| 摘要 | 第1-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 引言 | 第10-15页 |
| 1．1 论文课题研究背景 | 第10页 |
| 1．2 信息检索技术的发展及其评价方法 | 第10-12页 |
| 1．3 网页自动分类——信息检索的重要技术手段 | 第12页 |
| 1．4 搜索引擎——信息检索的应用 | 第12-13页 |
| 1．5 本论文的主要工作及意义 | 第13-15页 |
| 第二章 网页的处理和自动分类技术概述 | 第15-23页 |
| 2．1 中文网页的处理 | 第15-16页 |
| 2．2 数据模型 | 第16-18页 |
| 2．2．1 布尔模型 | 第16-17页 |
| 2．2．2 向量空间模型 | 第17-18页 |
| 2．3 特征选择及权值计算 | 第18-20页 |
| 2．3．1 文档频率(DF) | 第18-19页 |
| 2．3．2 信息增益(IG) | 第19页 |
| 2．3．3 交叉熵(CE) | 第19页 |
| 2．3．4 互斥信息(MI) | 第19-20页 |
| 2．4 分类器的设计 | 第20-23页 |
| 2．4．1 贝叶斯分类器(Bayes) | 第21-22页 |
| 2．4．2 K近邻分类器(K-Nearest) | 第22-23页 |
| 第三章 中文奥运网页的分类算法实现及实验分析 | 第23-36页 |
| 3．1 实验的总体介绍 | 第23-25页 |
| 3．1．1 实验数据的采集 | 第23页 |
| 3．1．2 过滤系统的构成 | 第23-25页 |
| 3．2 实验数据的预处理 | 第25-26页 |
| 3．3 算法设计与实现 | 第26-32页 |
| 3．4 几种特征选择方法的网页过滤实验及比较 | 第32-35页 |
| 3．4．1 直接使用(TF) | 第32页 |
| 3．4．2 文档频率(DF) | 第32-33页 |
| 3．4．3 信息增益(IG) | 第33-34页 |
| 3．4．4 交叉熵(CE) | 第34页 |
| 3．4．5 互斥信息(MI) | 第34-35页 |
| 3．5 本章小结 | 第35-36页 |
| 第四章 中文网页的自适应分类算法设计与实现 | 第36-51页 |
| 4．1 自适应分类模型 | 第36-38页 |
| 4．2 自适应分类的实现 | 第38-40页 |
| 4．2．1 己有的文档集合分类模型的建立算法 | 第39-40页 |
| 4．2．2 对于新加入文档的处理 | 第40页 |
| 4．3 算法设计与实现 | 第40-44页 |
| 4．3．1 算法设计:自动确定摘要长度的算法(逐维提取法) | 第40-44页 |
| 4．4 分类实验及结果 | 第44-50页 |
| 4．4．1 实验数据及预处理 | 第44-45页 |
| 4．4．2 分类器及评价方法 | 第45页 |
| 4．4．3 实验结果 | 第45-48页 |
| 4．4．4 模型在分类过程中的变化 | 第48-50页 |
| 4．5 本章小结 | 第50-51页 |
| 第五章 结论及工作展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 附录:攻读硕士期间发表的论文 | 第54-55页 |
| 参考文献 | 第55-57页 |