| 摘要 | 第4-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第13-27页 |
| 1.1 课题研究背景 | 第13-16页 |
| 1.2 研究目的和意义 | 第16-17页 |
| 1.3 国内外研究及分析 | 第17-23页 |
| 1.3.1 国外研究动态 | 第17-20页 |
| 1.3.2 国内研究动态 | 第20-21页 |
| 1.3.3 存在的问题分析 | 第21-23页 |
| 1.4 本论文工作与创新 | 第23-25页 |
| 1.5 论文组织与结构 | 第25-27页 |
| 第2章 文本相似检测相关理论 | 第27-45页 |
| 2.1 引言 | 第27页 |
| 2.2 文本分类定义 | 第27-28页 |
| 2.3 文本分类过程 | 第28-32页 |
| 2.3.1 语料库选择 | 第29-30页 |
| 2.3.2 文本预处理 | 第30-32页 |
| 2.4 文本表示模型 | 第32-34页 |
| 2.4.1 向量空间模型 | 第32-33页 |
| 2.4.2 概率模型 | 第33-34页 |
| 2.5 文本特征选择 | 第34-35页 |
| 2.6 文本分类器模型 | 第35-42页 |
| 2.6.1 朴素贝叶斯分类器 | 第36-38页 |
| 2.6.2 SVM模型 | 第38-41页 |
| 2.6.3 K最近邻分类算法 | 第41-42页 |
| 2.7 分类评价方法 | 第42-44页 |
| 2.7.1精确率与召回率 | 第42-43页 |
| 2.7.2 微平均与宏平均 | 第43-44页 |
| 2.7.3 Fβ测量值 | 第44页 |
| 2.8 本章小结 | 第44-45页 |
| 第3章 具有多重置信门限值的关联分类方法 | 第45-61页 |
| 3.1 引言 | 第45-46页 |
| 3.2 相关理论分析 | 第46-51页 |
| 3.2.1 分类方法模型 | 第46-48页 |
| 3.2.2 相关概念定义 | 第48-51页 |
| 3.3 具有多重置信门限值的文本关联分类 | 第51-56页 |
| 3.3.1 分类方法设计 | 第51-53页 |
| 3.3.2 分类方法实现 | 第53-56页 |
| 3.4 实验过程与分析 | 第56-60页 |
| 3.4.1 混合分类结果 | 第57-58页 |
| 3.4.2 本文分类结果 | 第58-59页 |
| 3.4.3 实验结果分析 | 第59-60页 |
| 3.5 本章小结 | 第60-61页 |
| 第4章 基于互信息的词频文本特征提取方法 | 第61-81页 |
| 4.1 引言 | 第61-62页 |
| 4.2 网页信息获取过程 | 第62-66页 |
| 4.2.1 数据描述 | 第63-65页 |
| 4.2.2 路径设计 | 第65-66页 |
| 4.3 信息提取方法设计 | 第66-68页 |
| 4.4 特征表示与选择 | 第68-73页 |
| 4.4.1 特征表示模型 | 第68-71页 |
| 4.4.2 特征项选择 | 第71-73页 |
| 4.5 基于互信息的特征词频提取方法 | 第73-77页 |
| 4.6 实验验证与分析 | 第77-80页 |
| 4.7 本章小结 | 第80-81页 |
| 第5章 大规模文本相似检测的研究与设计 | 第81-109页 |
| 5.1 引言 | 第81-83页 |
| 5.2 相似文本检测理论 | 第83-94页 |
| 5.2.1 相似检测算法 | 第84-89页 |
| 5.2.2 MapReduce编程模型 | 第89-92页 |
| 5.2.3 相似度计算 | 第92-94页 |
| 5.3 基于MAPREDUCE与SIMHASH相似检测方法 | 第94-104页 |
| 5.3.1 相似检测方法设计 | 第94-96页 |
| 5.3.2 相似检测算法分析 | 第96-98页 |
| 5.3.3 MapReduce下相似检测算法实现 | 第98-104页 |
| 5.4 实验验证与分析 | 第104-107页 |
| 5.4.1 实验环境搭建 | 第104-105页 |
| 5.4.2 实验结果分析 | 第105-107页 |
| 5.5 本章小结 | 第107-109页 |
| 第6章 总结与展望 | 第109-113页 |
| 6.1 研究总结 | 第109-111页 |
| 6.2 工作展望 | 第111-113页 |
| 参考文献 | 第113-127页 |
| 作者简介及在学期间所取得的科研成果 | 第127-130页 |
| 致谢 | 第130页 |