基于文本分类的人才自动推荐系统
| 中 文 摘 要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-12页 |
| ·研究背景及意义 | 第8-9页 |
| ·本文主要内容 | 第9-10页 |
| ·本文的组织 | 第10-11页 |
| ·本章小节 | 第11-12页 |
| 第二章 求职文本信息处理 | 第12-29页 |
| ·求职文本信息预处理 | 第12-14页 |
| ·分词 | 第14-20页 |
| ·分词中的关键问题 | 第15-16页 |
| ·分词的算法 | 第16-18页 |
| ·未登录词识别问题 | 第18-20页 |
| ·向量空间模型 | 第20-21页 |
| ·特征项抽取 | 第21-26页 |
| ·特征项的定义 | 第21-22页 |
| ·特征项的权值 | 第22-24页 |
| ·特征项的选择与抽取 | 第24-26页 |
| ·向量空间模型的降维处理 | 第26-28页 |
| ·建立禁用词库 | 第26-28页 |
| ·ZIPF 法则 | 第28页 |
| ·本章小节 | 第28-29页 |
| 第三章 文本分类器的设计 | 第29-43页 |
| ·分类器的概况 | 第29-30页 |
| ·ROCCHIO——相似度计算方法 | 第29页 |
| ·支持向量机（SVM） | 第29-30页 |
| ·最大熵模型 | 第30页 |
| ·分类器的构造模式 | 第30-32页 |
| ·单分类器模式 | 第30-31页 |
| ·多分类器模式 | 第31-32页 |
| ·基于KNN 分类器 | 第32-40页 |
| ·一般的KNN 模型 | 第33-34页 |
| ·应用特征聚合进行的改进KNN 算法 | 第34-37页 |
| ·基于隐含语义的改进KNN 算法 | 第37-40页 |
| ·分类方法的评估 | 第40-42页 |
| ·评估方法 | 第40-41页 |
| ·影响文本分类的因素 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于文本分类的人才自动推荐系统 | 第43-55页 |
| ·系统设计主要框架 | 第43-46页 |
| ·系统模块功能 | 第46-47页 |
| ·身份认证功能 | 第46页 |
| ·信息管理与维护功能 | 第46-47页 |
| ·用户注册功能 | 第47页 |
| ·信息反馈 | 第47页 |
| ·实现技术 | 第47-51页 |
| ·使用ADO.NET 处理数据 | 第47-49页 |
| ·业务逻辑层的实现 | 第49-51页 |
| ·实验结果与分析 | 第51-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 结束语 | 第55-57页 |
| ·工作总结 | 第55-56页 |
| ·进一步的工作 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 攻读学位期间公开发表的论文 | 第60-61页 |
| 致谢 | 第61-62页 |
| 中文详细摘要 | 第62-64页 |
