WEB文本模糊分类及其预处理的研究与实现
| 摘要 | 第1-3页 |
| Abstract | 第3-6页 |
| 第一章 引言 | 第6-11页 |
| ·本论文的研究背景和意义 | 第6-7页 |
| ·Web 分类的国内外研究现状 | 第7-8页 |
| ·本文的创新点 | 第8页 |
| ·系统功能概述 | 第8-10页 |
| ·系统结构框架 | 第8-9页 |
| ·系统设计 | 第9-10页 |
| ·论文的组织安排 | 第10-11页 |
| 第二章 Web 文本挖掘 | 第11-20页 |
| ·Web 挖掘 | 第11-15页 |
| ·Web 挖掘的定义 | 第11页 |
| ·Web 挖掘的特点 | 第11-12页 |
| ·Web 挖掘的分类 | 第12-15页 |
| ·Web 文本挖掘 | 第15-19页 |
| ·Web 文本挖掘的定义 | 第15-16页 |
| ·Web 文本挖掘主要研究内容 | 第16-17页 |
| ·Web 文本挖掘的过程 | 第17-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 Web 挖掘预处理 | 第20-32页 |
| ·Web 文本收集 | 第20-21页 |
| ·天网数据存储格式定义 | 第20-21页 |
| ·天网数据解压的实现 | 第21页 |
| ·Web 文本解析 | 第21-24页 |
| ·HTML 标记的去除 | 第22-23页 |
| ·Web 文本预处理器的实现 | 第23-24页 |
| ·中文分词 | 第24-31页 |
| ·常用中文分词算法 | 第25-27页 |
| ·未登录词的识别 | 第27-29页 |
| ·设计实现与分析 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 文本特征向量提取 | 第32-38页 |
| ·向量空间模型 | 第32-33页 |
| ·常用的特征抽取方法 | 第33-35页 |
| ·TF*IDF | 第35-37页 |
| ·特征项频率 | 第35页 |
| ·特征项倒排文档频率 | 第35-36页 |
| ·传统TF*IDF 的不足 | 第36-37页 |
| ·TF*IDF 的改进 | 第37页 |
| ·本章小结 | 第37-38页 |
| 第五章 文本分类 | 第38-57页 |
| ·支持向量机 | 第38-43页 |
| ·最优分类面 | 第38-39页 |
| ·线性情况 | 第39-41页 |
| ·非线性情况 | 第41-43页 |
| ·支持向量机的进一步研究 | 第43-45页 |
| ·SVM 训练算法 | 第43-44页 |
| ·核函数及选择 | 第44-45页 |
| ·SVM 方法在文本分类中的应用 | 第45-46页 |
| ·双隶属度多类模糊支持向量机 | 第46-52页 |
| ·模糊支持向量机 | 第46-47页 |
| ·多类支持向量机 | 第47-48页 |
| ·双隶属度模糊支持向量机 | 第48-50页 |
| ·双隶属度多类模糊支持向量机 | 第50-52页 |
| ·实验结果及分析 | 第52-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 结束语 | 第57-58页 |
| ·本文的主要工作和贡献 | 第57页 |
| ·下一步的工作和展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61-62页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第62页 |
