| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 前言 | 第10-16页 |
| ·课题的研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·课题研究的主要内容 | 第14-15页 |
| ·论文的组织结构 | 第15-16页 |
| 第二章 中文网页自动分类技术 | 第16-28页 |
| ·文档自动分类算法定义及分类 | 第16-17页 |
| ·中文网页自动分类一般过程 | 第17-24页 |
| ·网页预处理 | 第18-21页 |
| ·特征提取 | 第21页 |
| ·分类算法 | 第21-22页 |
| ·截尾算法 | 第22-23页 |
| ·结果评价 | 第23-24页 |
| ·中文网页自动分类算法 | 第24-26页 |
| ·KNN 分类算法 | 第24-25页 |
| ·NB分类算法 | 第25页 |
| ·SVM分类算法 | 第25-26页 |
| ·各分类算法比较 | 第26页 |
| ·中文网页自动分类发展方向 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 网页特征提取方法 | 第28-35页 |
| ·网页特征提取的工作原理 | 第28页 |
| ·常用的网页特征提取方法 | 第28-30页 |
| ·特征频率（Term Frequency，TF） | 第28-29页 |
| ·文档频率（DocumentFrequency，DF） | 第29页 |
| ·信息增益（InformationGain，IG） | 第29-30页 |
| ·期望交叉熵（ExpectedCrossEntropy，ECE） | 第30页 |
| ·特征熵（Term Entropy） | 第30页 |
| ·本文研究的特征提取方法 | 第30-32页 |
| ·互信息（MutualInformation，MI） | 第30-31页 |
| ·χ~2统计量（Chi-square,CHI） | 第31-32页 |
| ·特征提取的研究和发展方向 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 基于互信息、χ~2统计量的改进算法 | 第35-40页 |
| ·互信息算法的研究与改进 | 第35-38页 |
| ·互信息算法的分析 | 第35-36页 |
| ·互信息算法的改进策略 | 第36-37页 |
| ·改进算法描述 | 第37-38页 |
| ·χ~2统计量算法的研究与改进 | 第38-39页 |
| ·χ~2统计量算法的分析 | 第38页 |
| ·χ~2统计量的改进算法描述 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第五章 网页特征的位置加权及预降维 | 第40-46页 |
| ·网页特征提取对象 | 第40-41页 |
| ·网页的特征表示 | 第41-43页 |
| ·网页特征的位置加权方法 | 第43-44页 |
| ·网页特征的预降维处理 | 第44页 |
| ·本章小结 | 第44-46页 |
| 第六章 基于改进的特征提取方法的实验设计 | 第46-55页 |
| ·开发工具和平台 | 第46页 |
| ·实验系统设计 | 第46-50页 |
| ·系统流程 | 第46页 |
| ·实验设置 | 第46-47页 |
| ·具体步骤 | 第47-50页 |
| ·结果及分析 | 第50-54页 |
| ·本章小结 | 第54-55页 |
| 总结 | 第55-57页 |
| 主要工作 | 第55-56页 |
| 主要创新点 | 第56页 |
| 存在的问题及未来的方向 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 在学期间的研究成果 | 第61-62页 |
| 致谢 | 第62页 |
