网页文本分类及其在搜索引擎中的应用
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第1章 绪论 | 第8-14页 |
| ·课题背景及意义 | 第8页 |
| ·网页文本分类及国内外研究现状 | 第8-12页 |
| ·文本分类概述 | 第8-9页 |
| ·文本分类研究现状 | 第9-11页 |
| ·网页文本分类研究现状 | 第11-12页 |
| ·本文的研究内容和组织结构 | 第12-14页 |
| 第2章 网页文本分类相关技术 | 第14-28页 |
| ·普通文本分类相关技术 | 第14-21页 |
| ·特征选择 | 第14-16页 |
| ·常用分类算法 | 第16-21页 |
| ·多层次分类问题 | 第21页 |
| ·网页文本分类相关技术 | 第21-26页 |
| ·网页分块技术 | 第22-24页 |
| ·网页处理框架 | 第24-26页 |
| ·网页文本分类系统框架 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 集成学习在文本分类中应用 | 第28-48页 |
| ·集成学习概述 | 第28-29页 |
| ·一种基于集成学习与类指示器的文本分类方法 | 第29-38页 |
| ·动机 | 第29-30页 |
| ·基于类指示器的文本分类方法 | 第30-31页 |
| ·算法框架 | 第31-33页 |
| ·权重函数及类指示度函数 | 第33-35页 |
| ·分类的时间复杂度 | 第35-36页 |
| ·AdaBoost.MH 算法的进一步改进 | 第36页 |
| ·实验和讨论 | 第36-38页 |
| ·算法总结 | 第38页 |
| ·基于集成学习与推拉策略的中心法的分类器偏差修正 | 第38-46页 |
| ·动机 | 第38-39页 |
| ·中心法分类偏差 | 第39页 |
| ·成员中心法的改进 | 第39-43页 |
| ·基于AdaBoost.MR 的改进方法 | 第43-44页 |
| ·实验和讨论 | 第44-45页 |
| ·算法总结 | 第45-46页 |
| ·本章小结 | 第46-48页 |
| 第4章 文本分类中基于词条聚合的特征抽取 | 第48-58页 |
| ·引言 | 第48-49页 |
| ·基于词条聚合的文本分类 | 第49-55页 |
| ·基本思想 | 第49页 |
| ·特征选择 | 第49-50页 |
| ·词条类概率分布的计算 | 第50页 |
| ·词条聚合算法 | 第50-53页 |
| ·文本VSM 表示的权重计算 | 第53页 |
| ·分类方法的选取 | 第53-54页 |
| ·实验分析 | 第54-55页 |
| ·本章小结 | 第55-58页 |
| 第5章 文本分类在主题爬虫系统中的应用 | 第58-67页 |
| ·序言 | 第58-59页 |
| ·主题爬虫系统设计 | 第59-60页 |
| ·主题爬虫相关技术 | 第60-64页 |
| ·链接分类器 | 第60-61页 |
| ·主题模型 | 第61-62页 |
| ·网页优先级计算 | 第62-64页 |
| ·相关实验 | 第64-65页 |
| ·本章小结 | 第65-67页 |
| 第6章 基于网页分类的主题搜索引擎 | 第67-77页 |
| ·引言 | 第67-69页 |
| ·系统框架 | 第69-76页 |
| ·网络爬虫 | 第69-71页 |
| ·索引系统 | 第71-73页 |
| ·检索系统 | 第73-74页 |
| ·用户界面 | 第74-75页 |
| ·系统的扩展 | 第75-76页 |
| ·本章小结 | 第76-77页 |
| 结论 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 攻读硕士学位期间取得的研究成果 | 第83-85页 |
| 致谢 | 第85页 |
