基于机器学习算法的Web文本挖掘应用研究
| 中文摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-12页 |
| ·研究背景与意义 | 第7-8页 |
| ·数据挖掘技术 | 第8-11页 |
| ·数据挖掘的定义 | 第8页 |
| ·数据挖掘的对象 | 第8页 |
| ·数据挖掘的特点 | 第8-9页 |
| ·数据挖掘的过程 | 第9-10页 |
| ·数据挖掘的常见任务 | 第10页 |
| ·数据挖掘算法的分类 | 第10页 |
| ·数据挖掘算法的体系 | 第10-11页 |
| ·本文的研究工作及内容安排 | 第11-12页 |
| 第二章 课题中的相关技术 | 第12-30页 |
| ·HABM | 第12-13页 |
| ·支持向量机 | 第13-17页 |
| ·支持向量机概述 | 第13页 |
| ·标准支持向量分类机 | 第13-16页 |
| ·支持向量机的特点与优势 | 第16-17页 |
| ·文本聚类概述 | 第17-21页 |
| ·含义及作用 | 第17页 |
| ·文本聚类算法简介 | 第17-19页 |
| ·K-Means聚类算法 | 第19-20页 |
| ·聚类结果的评测 | 第20-21页 |
| ·Web文本处理 | 第21-29页 |
| ·基于Web文本的挖掘模型 | 第21-22页 |
| ·中文分词 | 第22-24页 |
| ·TF-IDF向量空间模型 | 第24-26页 |
| ·对象串行化 | 第26-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 Web文本热点抽取系统 | 第30-44页 |
| ·设计思想 | 第30页 |
| ·算法说明 | 第30-31页 |
| ·系统处理流程 | 第31-33页 |
| ·关键模块解析 | 第33-41页 |
| ·磁盘散列文件 | 第33-35页 |
| ·文章分词及索引 | 第35-37页 |
| ·HABM的相关计算 | 第37-40页 |
| ·热点筛选 | 第40-41页 |
| ·系统环境 | 第41页 |
| ·参数选择及真实数据运行结果 | 第41-43页 |
| ·系统运行截图 | 第41-42页 |
| ·参数选择 | 第42页 |
| ·真实数据抽取结果举例 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 Web文本分类系统 | 第44-57页 |
| ·算法与思想 | 第44-46页 |
| ·系统结构 | 第46-47页 |
| ·LibSVM的修改与使用 | 第47-54页 |
| ·转换数据格式 | 第48-49页 |
| ·缩放数据 | 第49页 |
| ·尝试分类核函数 | 第49-51页 |
| ·利用交叉验证获得最佳参数 | 第51-52页 |
| ·训练分类模型 | 第52-53页 |
| ·预测未知数据 | 第53-54页 |
| ·系统环境 | 第54-55页 |
| ·参数选择及真实数据运行结果 | 第55-56页 |
| ·系统运行截图 | 第55页 |
| ·参数选择 | 第55-56页 |
| ·真实数据分类结果举例 | 第56页 |
| ·本章小结 | 第56-57页 |
| 第五章 Web文本聚类系统 | 第57-67页 |
| ·K-Means算法的改进 | 第57-59页 |
| ·系统结构 | 第59-60页 |
| ·关键模块解析 | 第60-63页 |
| ·TF-IDF二进制索引文件 | 第60-61页 |
| ·改进版K-Means实现 | 第61-63页 |
| ·系统环境 | 第63-64页 |
| ·参数选择及真实数据运行结果 | 第64-66页 |
| ·系统运行截图 | 第64页 |
| ·参数选择 | 第64-65页 |
| ·真实数据聚类结果举例 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| ·本文总结 | 第67页 |
| ·课题展望 | 第67-69页 |
| 参考文献 | 第69-71页 |
| 发表论文和科研情况说明 | 第71-72页 |
| 致谢 | 第72页 |
