智能搜索引擎系统的研究
| 第1章 绪论 | 第1-16页 |
| 1．1 搜索引擎概述 | 第9-11页 |
| 1．2 自然语言理解概述 | 第11-13页 |
| 1．2．1 引言 | 第11页 |
| 1．2．2 研究动态 | 第11-13页 |
| 1．3 课题的背景及主要任务 | 第13-14页 |
| 1．3．1 课题的意义 | 第13页 |
| 1．3．2 课题来源 | 第13页 |
| 1．3．3 课题主要研究内容及关键技术 | 第13-14页 |
| 1．4 作者的主要工作和论文的组织 | 第14-16页 |
| 第2章 搜索引擎原理 | 第16-25页 |
| 2．1 引言 | 第16页 |
| 2．2 搜索引擎的基本结构 | 第16-20页 |
| 2．2．1 搜索引擎的数据采集机制 | 第17-18页 |
| 2．2．2 搜索引擎对网页的标引处理 | 第18-19页 |
| 2．2．3 搜索引擎的数据组织和用户检索机制 | 第19-20页 |
| 2．3 网络信息检索工具的类型 | 第20-21页 |
| 2．4 搜索引擎的检索功能 | 第21-24页 |
| 2．4．1 基本检索功能 | 第22页 |
| 2．4．2 高级检索功能 | 第22-24页 |
| 2．5 本章小结 | 第24-25页 |
| 第3章 智能搜索引擎框架 | 第25-33页 |
| 3．1 引言 | 第25页 |
| 3．2 传统搜索引擎面临的挑战 | 第25-26页 |
| 3．3 智能搜索引擎的特征 | 第26-27页 |
| 3．4 智能搜索引擎的框架 | 第27-31页 |
| 3．5 本章小结 | 第31-33页 |
| 第4章 基于词频统计与词典匹配的自动分词方法 | 第33-48页 |
| 4．1 引言 | 第33页 |
| 4．2 中文分词技术简介 | 第33-36页 |
| 4．2．1 基于词典的匹配法 | 第33-35页 |
| 4．2．2 基于词频统计的方法 | 第35页 |
| 4．2．3 知识分词法 | 第35-36页 |
| 4．3 分词系统研究及实现 | 第36-40页 |
| 4．3．1 分词词典的设计 | 第36-37页 |
| 4．3．2 分词系统设计 | 第37-40页 |
| 4．4 歧义校正 | 第40-44页 |
| 4．4．1 交集型歧义校正 | 第40-44页 |
| 4．4．2 组合型歧义 | 第44页 |
| 4．5 分词实验 | 第44-46页 |
| 4．6 分词应用：自然语言查询 | 第46页 |
| 4．7 本章小结 | 第46-48页 |
| 第5章 神经网络分词的研究 | 第48-57页 |
| 5．1 引言 | 第48页 |
| 5．2 人工神经网络简介 | 第48-50页 |
| 5．2．1 概述 | 第48-49页 |
| 5．2．2 BP网络简介 | 第49-50页 |
| 5．3 分词神经网络设计 | 第50-54页 |
| 5．3．1 输入模型 | 第51-52页 |
| 5．3．2 网络学习模型 | 第52-53页 |
| 5．3．3 输出模型 | 第53-54页 |
| 5．4 神经网络在歧义词划分中的应用 | 第54-56页 |
| 5．5 本章小结 | 第56-57页 |
| 第6章 文档的学习及过滤 | 第57-68页 |
| 6．1 引言 | 第57页 |
| 6．2 用户个性词典 | 第57-58页 |
| 6．3 文档的学习 | 第58-61页 |
| 6．3．1 文档学习的步骤 | 第58-60页 |
| 6．3．2 文档学习实验 | 第60-61页 |
| 6．4 文档的过滤 | 第61-67页 |
| 6．4．1 向量空间模型法 | 第61-62页 |
| 6．4．2 过滤算法及其实现 | 第62-65页 |
| 6．4．3 相关度计算试验 | 第65-67页 |
| 6．5 本章小结 | 第67-68页 |
| 结论 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第72-73页 |
| 致谢 | 第73页 |
