| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 引言 | 第8-13页 |
| ·研究背景及意义 | 第8-9页 |
| ·网络智能文本分类系统的概述 | 第9页 |
| ·实现网页自动分类面临的主要问题 | 第9-10页 |
| ·本文研究的内容 | 第10-12页 |
| ·本文的创新之处 | 第12-13页 |
| 第二章 相关技术基础 | 第13-39页 |
| ·数据挖掘 | 第13-18页 |
| ·数据挖掘的兴起 | 第13页 |
| ·数据挖掘的定义 | 第13-14页 |
| ·数据挖掘研究内容和本质 | 第14-16页 |
| ·数据挖掘的功能 | 第16-17页 |
| ·数据挖掘未来研究方向 | 第17页 |
| ·基于文本的数据挖掘 | 第17-18页 |
| ·文本挖掘 | 第18-20页 |
| ·文本挖掘的概念 | 第18页 |
| ·文本挖掘的任务 | 第18-19页 |
| ·文本挖掘与数据挖掘 | 第19-20页 |
| ·网页噪音与搜索引擎 | 第20-25页 |
| ·Web 页面噪音描述 | 第20页 |
| ·网页的类别 | 第20-21页 |
| ·搜索引擎技术 | 第21-25页 |
| ·文本分类 | 第25-39页 |
| ·文本分类的概念 | 第25-26页 |
| ·文本分类器 | 第26页 |
| ·文本分类的应用 | 第26-28页 |
| ·文本分类的关键技术方法 | 第28-32页 |
| ·文本分类方法 | 第32-39页 |
| 第三章 人工神经网络 | 第39-46页 |
| ·人工神经网络的发展历史 | 第39页 |
| ·人工神经网络的定义 | 第39-40页 |
| ·人工神经网络的模型分类 | 第40-41页 |
| ·人工神经网络模型的基本属性 | 第41-42页 |
| ·误差反向传播算法的人工神经网络(BP 网络) | 第42-44页 |
| ·人工神经网络的应用 | 第44页 |
| ·小结 | 第44-46页 |
| 第四章 文本分类系统的设计 | 第46-55页 |
| ·文本预处理 | 第46-47页 |
| ·分词任务 | 第46页 |
| ·分词算法 | 第46-47页 |
| ·专业词典 | 第47页 |
| ·特征表示 | 第47-48页 |
| ·潜在语义索引降维 | 第48-50页 |
| ·词一文档矩阵(Term-Document Matr 句) | 第48-49页 |
| ·结合LSI 和神经网络 | 第49页 |
| ·调整LSI | 第49-50页 |
| ·层次分类 | 第50-51页 |
| ·一般体系结构 | 第50页 |
| ·多层体系结构 | 第50-51页 |
| ·GA 优化神经网络 | 第51-54页 |
| ·神经网络为什么需要遗传算法 | 第51-53页 |
| ·神经网络学习的复杂性 | 第53-54页 |
| ·采用GA 与BP 的混合技术 | 第54页 |
| ·小结 | 第54-55页 |
| 第五章 文本分类系统的实现 | 第55-66页 |
| ·系统结构 | 第55-57页 |
| ·系统流程 | 第57-58页 |
| ·神经网络 | 第58-61页 |
| ·NNTCS 的实例说明 | 第61-62页 |
| ·文本分类系统的主要图形用户界面 | 第62-65页 |
| ·系统主界面 | 第62-63页 |
| ·文本处理系统 | 第63-64页 |
| ·性能评价模块主界面 | 第64-65页 |
| ·小结 | 第65-66页 |
| 第六章 结论 | 第66-68页 |
| ·总结 | 第66页 |
| ·展望 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-72页 |