| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·引言 | 第10-11页 |
| ·研究背景 | 第11-14页 |
| ·信息爆炸的时代 | 第11-12页 |
| ·搜索引擎和门户网站的产生与发展 | 第12-13页 |
| ·现有搜索引擎和门户网站的问题 | 第13-14页 |
| ·研究动机 | 第14页 |
| ·研究内容 | 第14-15页 |
| ·本文组织结构 | 第15-16页 |
| 第2章 相关工作概述 | 第16-30页 |
| ·引言 | 第16页 |
| ·传统搜索引擎 | 第16-21页 |
| ·搜索引擎的定义与工作原理 | 第16-18页 |
| ·搜索引擎的分类和常用开源框架 | 第18-20页 |
| ·搜索引擎的研究现状和发展趋势 | 第20-21页 |
| ·文本自动分类技术 | 第21-25页 |
| ·文本的特征表示和相似度计算公式 | 第21-22页 |
| ·常用的文本分类算法 | 第22-25页 |
| ·常用的文本分类评价指标 | 第25页 |
| ·话题检测和跟踪技术 | 第25-28页 |
| ·TDT的任务定义和划分体系 | 第25-26页 |
| ·TDT的相关技术和研究现状 | 第26-28页 |
| ·TDT的评测标准 | 第28页 |
| ·本章小结 | 第28-30页 |
| 第3章 面向财经新闻的智能搜索平台 | 第30-44页 |
| ·引言 | 第30页 |
| ·面向财经新闻的智能搜索平台框架 | 第30-32页 |
| ·智能搜索平台的各个子系统 | 第32-43页 |
| ·基于Nutch和Solr的垂直搜索引擎系统 | 第33-36页 |
| ·基于SVM的新闻自动分类系统 | 第36-38页 |
| ·基于TDT的热点新闻自动发现系统 | 第38-40页 |
| ·基于HMM模型的命名实体识别系统 | 第40-41页 |
| ·基于LDA和聚类算法的知识网络构建系统 | 第41-43页 |
| ·基于内容的个性化推荐系统 | 第43页 |
| ·本章小结 | 第43-44页 |
| 第4章 改进的新闻自动分类和热点自动发现算法 | 第44-64页 |
| ·引言 | 第44页 |
| ·基于相似度公式改进的新闻自动分类和热点自动发现算法 | 第44-49页 |
| ·基于相似度公式改进的算法设计思路 | 第45-47页 |
| ·改进的新闻自动分类算法和热点自动发现算法框架 | 第47-49页 |
| ·新闻自动分类实验 | 第49-58页 |
| ·实验数据集 | 第49-50页 |
| ·评价标准 | 第50-51页 |
| ·对比算法和参数设定 | 第51页 |
| ·实验结果与分析 | 第51-58页 |
| ·热点新闻自动发现实验 | 第58-62页 |
| ·实验数据集 | 第59-60页 |
| ·评价指标、对比方法和参数设定 | 第60页 |
| ·实验结果与分析 | 第60-62页 |
| ·本章小结 | 第62-64页 |
| 第5章 工作总结与未来展望 | 第64-66页 |
| ·研究内容总结 | 第64-65页 |
| ·未来工作展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-72页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第72页 |