基于Web不良信息过滤系统的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-20页 |
| ·数据库中知识发现 | 第11-12页 |
| ·数据挖掘 | 第12-13页 |
| ·文档材料分类 | 第13-15页 |
| ·文档分类相关概述 | 第13-14页 |
| ·文档材料分类问题论述 | 第14-15页 |
| ·国内外研究状况 | 第15-18页 |
| ·国内外研究状况 | 第15-17页 |
| ·常用的信息过滤系统 | 第17-18页 |
| ·本文的研究工作和内容安排 | 第18-20页 |
| 第二章 信息过滤技术 | 第20-36页 |
| ·应用背景 | 第20-21页 |
| ·信息过滤概述 | 第21-26页 |
| ·信息过滤概述 | 第21-22页 |
| ·信息过滤的特点 | 第22-23页 |
| ·信息检索与信息过滤 | 第23-25页 |
| ·信息过滤研究意义 | 第25-26页 |
| ·信息过滤的方法 | 第26-29页 |
| ·统计方法 | 第26-27页 |
| ·逻辑方法 | 第27-29页 |
| ·拟物方法 | 第29页 |
| ·基于文本内容的过滤 | 第29-32页 |
| ·文本的表示 | 第30-32页 |
| ·学习算法 | 第32-34页 |
| ·特征项的提取 | 第32页 |
| ·学习算法流程 | 第32-33页 |
| ·初始模板的建立 | 第33页 |
| ·初始临界数值的设定 | 第33-34页 |
| ·信息过滤的自适应算法 | 第34-35页 |
| ·自适应算法 | 第34页 |
| ·临界数值的调整 | 第34页 |
| ·模板的修改 | 第34页 |
| ·关于粒度的说明 | 第34-35页 |
| ·小结 | 第35-36页 |
| 第三章 基于数据挖掘技术的信息过滤模型 | 第36-46页 |
| ·文档材料分类概述 | 第36-38页 |
| ·文档材料分类框架的组成 | 第36-37页 |
| ·分类模型 | 第37-38页 |
| ·性能指标 | 第38页 |
| ·基于研究对象数据的过滤系统构成 | 第38-39页 |
| ·信息选取模型 | 第39-41页 |
| ·布尔模型 | 第39-40页 |
| ·向量空间模型 | 第40页 |
| ·潜在语义分析模型 | 第40页 |
| ·神经网络模型 | 第40-41页 |
| ·特征提取应用背景 | 第41-42页 |
| ·特征提取 | 第42-43页 |
| ·文档特征论述 | 第42页 |
| ·特征提取粒度的论述 | 第42-43页 |
| ·传统的特征选取方法 | 第43-45页 |
| ·词频 | 第44页 |
| ·文本频词方法 | 第44页 |
| ·ECE 方法 | 第44页 |
| ·互信息方法 | 第44页 |
| ·信息增益方法 | 第44-45页 |
| ·特征选取方法性能论述 | 第45页 |
| ·评价标准 | 第45页 |
| ·语料 | 第45页 |
| ·小结 | 第45-46页 |
| 第四章 构建信息过滤系统设计 | 第46-57页 |
| ·基于向量空间模型信息过滤系统设计 | 第46-48页 |
| ·设计思想及主要内容 | 第46-48页 |
| ·系统实现 | 第48-51页 |
| ·管理模块 | 第48-49页 |
| ·过滤流程 | 第49页 |
| ·主要界面 | 第49-50页 |
| ·实际测验环境 | 第50页 |
| ·实际测验与论述 | 第50-51页 |
| ·多特征选取 | 第51-54页 |
| ·多特征选取算法 | 第51-52页 |
| ·实际测验结果和论述 | 第52-54页 |
| ·信息过滤评价标准 | 第54-55页 |
| ·实际测验结果与论述 | 第55-56页 |
| ·小结 | 第56-57页 |
| 第五章 结束语 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
