面向航天领域知识管理的信息采集与分类应用研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第1章 绪论 | 第14-28页 |
| 1.1 课题背景及研究意义 | 第14-16页 |
| 1.1.1 课题背景 | 第14-15页 |
| 1.1.2 研究意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-24页 |
| 1.2.1 航天领域知识管理 | 第16-20页 |
| 1.2.2 信息采集技术 | 第20-22页 |
| 1.2.3 文本分类技术 | 第22-24页 |
| 1.3 主要研究内容 | 第24-25页 |
| 1.3.1 基于主题爬虫的航天领域信息采集技术 | 第24页 |
| 1.3.2 基于SVM的航天领域文本分类技术 | 第24-25页 |
| 1.4 论文组织结构 | 第25-28页 |
| 第2章 相关技术与理论概述 | 第28-38页 |
| 2.1 中文分词 | 第28-29页 |
| 2.2 文本表示与特征选择方法 | 第29-31页 |
| 2.2.1 向量空间模型 | 第29-30页 |
| 2.2.2 特征选择 | 第30-31页 |
| 2.3 网络爬虫 | 第31-32页 |
| 2.4 支持向量机 | 第32-38页 |
| 2.4.1 线性可分 | 第33-34页 |
| 2.4.2 线性不可分 | 第34-36页 |
| 2.4.3 多类分类问题 | 第36-38页 |
| 第3章 基于主题爬虫的航天情报采集 | 第38-46页 |
| 3.1 航天情报采集总体框架 | 第38-40页 |
| 3.2 主题判定模型 | 第40-46页 |
| 3.2.1 主题向量空间模型 | 第41-42页 |
| 3.2.2 SVM主题分类器 | 第42-46页 |
| 第4章 基于SVM的航天领域文本分类 | 第46-54页 |
| 4.1 SVM文本分类总体框架 | 第46-47页 |
| 4.2 SVM文本分类主要流程 | 第47-54页 |
| 4.2.1 语料预处理 | 第47-48页 |
| 4.2.2 文本表示与特征选择 | 第48-49页 |
| 4.2.3 分类模型训练与优化 | 第49-52页 |
| 4.2.4 文档分类预测 | 第52-54页 |
| 第5章 实验论证与结果分析 | 第54-64页 |
| 5.1 实验环境 | 第54页 |
| 5.2 评价指标 | 第54-56页 |
| 5.2.1 航天主题爬虫 | 第54-55页 |
| 5.2.2 航天SVM文本分类 | 第55-56页 |
| 5.3 论证过程 | 第56-58页 |
| 5.3.1 航天主题爬虫 | 第56-57页 |
| 5.3.2 航天SVM文本分类 | 第57-58页 |
| 5.4 结果分析 | 第58-64页 |
| 5.4.1 航天主题爬虫 | 第58-61页 |
| 5.4.2 航天SVM文本分类 | 第61-64页 |
| 第6章 总结与展望 | 第64-68页 |
| 6.1 工作总结 | 第64-65页 |
| 6.2 研究展望 | 第65-68页 |
| 参考文献 | 第68-70页 |
| 作者简历及攻读学位期间发表的论文与研究成果 | 第70-72页 |
| 致谢 | 第72-73页 |
