首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

基于文本挖掘的定向性信息分析研究

摘要第1-10页
ABSTRACT第10-13页
致谢第13-19页
第一章 绪论第19-30页
   ·研究背景与研究意义第19-20页
     ·研究背景第19页
     ·研究意义第19-20页
   ·定向性信息挖掘的任务第20-24页
     ·信息选择第20-21页
     ·主题分类第21-22页
     ·情感分析第22页
     ·热度分析第22-23页
     ·存在的问题第23-24页
   ·国内外研究现状第24-28页
     ·页面分析技术研究现状第24-25页
     ·主题分类研究现状第25-26页
     ·情感计算研究现状第26-27页
     ·文档热度分析研究现状第27-28页
   ·本文主要内容及组织结构第28-29页
   ·本章小结第29-30页
第二章 基于搜索引擎返回文本的信息抽取模型研究第30-49页
   ·信息抽取现状分析第30-31页
   ·信息抽取预处理第31-35页
     ·文档结构表示第31-33页
     ·文档信息检索第33-35页
   ·信息抽取任务和流程第35-40页
   ·一种启发HTML文档信息抽取模型研究第40-45页
     ·一个观察案例第40-42页
     ·启发式HTML文档信息抽取模型第42-45页
   ·实验及性能分析第45-48页
   ·本章小结第48-49页
第三章 用户参与的主题聚类与分类框架研究第49-64页
   ·主题分类描述第49-51页
   ·主题聚类分类预处理第51-57页
     ·文本预处理第51-52页
     ·特征选择第52-54页
     ·文本分类语料库第54-55页
     ·评价指标第55-57页
   ·主题分类的瓶颈及已有对策第57-58页
     ·主题分类的困难第57-58页
     ·国内外研究对问题的对策第58页
   ·用户参与模型的必要性第58-60页
   ·用户参与的主题聚类、分类模型第60-63页
   ·本章小结第63-64页
第四章 基于不确定概率逻辑的文本分类模型研究第64-87页
   ·文本分类问题描述第64-65页
   ·文本分类方法第65-68页
   ·文本分类任务特征分析第68-71页
     ·文本分类任务的特点第68页
     ·预处理对分类性能的影响第68-70页
     ·语料集对分类性能的影响第70页
     ·文本分类假设对分类效果影响第70-71页
   ·基于信任机制文本分类分析第71-74页
   ·基于不确定概率逻辑的文本分类第74-80页
     ·不确定概率逻辑第74-75页
     ·特征概率方差第75-76页
     ·特征分布权值第76-78页
     ·线性分类器第78-80页
   ·实验和性能分析第80-85页
     ·实验设计方案第80-82页
     ·实验结果第82-85页
   ·本章小结第85-87页
第五章 基于文本分类和用户参与的K-Means聚类模型研究第87-102页
   ·文本聚类问题描述第87-88页
   ·聚类算法的类别及综合评价第88-94页
     ·划分式聚类算法第88-90页
     ·层次聚类算法第90-91页
     ·基于密度的聚类算法第91-92页
     ·基于网格的聚类算法第92-93页
     ·聚类算法综合比较第93-94页
   ·聚类结果评价第94-95页
   ·基于文本分类和用户参与的K-Means聚类模型第95-98页
     ·文本分类对文本聚类的作用第95-96页
     ·用户参与聚类第96页
     ·改进的K-Means算法第96-98页
   ·主题类别标签标注第98页
   ·主题的热度分析第98-100页
   ·实验结果及分析第100-101页
     ·数据集第100页
     ·评价标准第100页
     ·实验结果第100-101页
   ·本章小结第101-102页
第六章 总结与展望第102-104页
   ·主要研究工作第102-103页
   ·展望第103-104页
参考文献第104-113页
在读期间发表的论文第113页

论文共113页,点击 下载论文
上一篇:基于CSC永磁直驱风力发电系统协调控制方法与策略研究
下一篇:基于混沌蚂蚁的群集协同求解算法及应用