中文文本信息过滤技术研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 引言 | 第7-15页 |
| ·文本信息过滤的研究背景及意义 | 第7-9页 |
| ·国内外研究现状 | 第9-12页 |
| ·本文的主要研究内容及其安排 | 第12-15页 |
| 第二章 Web 文档处理 | 第15-25页 |
| ·Web 文档预处理 | 第15-17页 |
| ·中文自动分词 | 第17-20页 |
| ·现有的分词算法 | 第17-19页 |
| ·基于Hash 结构的机械统计分词方法 | 第19-20页 |
| ·文本分类 | 第20-23页 |
| ·基于外延的分类 | 第21页 |
| ·基于语义的分类 | 第21-22页 |
| ·基于LSI 和Rough 集的文本分类 | 第22-23页 |
| ·本章小结 | 第23-25页 |
| 第三章 文本信息过滤的逻辑模型 | 第25-33页 |
| ·向量空间模型 | 第26-29页 |
| ·特征项的选择 | 第27-28页 |
| ·特征权重的计算 | 第28-29页 |
| ·文档相似度的计算 | 第29页 |
| ·潜在语义索引模型 | 第29-31页 |
| ·词-文档矩阵的建立 | 第29-30页 |
| ·奇异值分解 | 第30-31页 |
| ·基于概念索引的模型 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 用户兴趣模板的构造及更新 | 第33-39页 |
| ·用户兴趣模板构造 | 第33-36页 |
| ·基于伪相关反馈的用户兴趣模板构造 | 第33-34页 |
| ·基于Rocchio 算法的用户兴趣模板构造 | 第34页 |
| ·基于查询扩展的用户兴趣模板构造 | 第34-36页 |
| ·用户兴趣模板更新 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第五章 文本信息过滤的过滤策略 | 第39-45页 |
| ·阈值学习 | 第39-43页 |
| ·Direct Utility 方法 | 第39-40页 |
| ·Beta-Gamma 方法 | 第40-41页 |
| ·Logistic Regression 方法 | 第41-42页 |
| ·Score Distribution 方法 | 第42-43页 |
| ·基于典型反馈的文本推荐 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第六章 中文文本信息过滤系统研究与实现 | 第45-51页 |
| ·个性化文本信息过滤系统 | 第45-49页 |
| ·用户兴趣模式更新策略 | 第47-48页 |
| ·信息过滤策略 | 第48页 |
| ·智能决策推荐 | 第48页 |
| ·与其他Agent 通讯机制 | 第48-49页 |
| ·系统评估及测试 | 第49-50页 |
| ·系统评估方法 | 第49页 |
| ·系统测试结果分析 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第七章 总结 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 在读期间发表论文 | 第57-58页 |
