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 |