基于机器学习的主题Web挖掘技术
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 第一章 绪论 | 第10-14页 |
| ·研究背景 | 第10-11页 |
| ·Web挖掘与相关研究内容 | 第11-12页 |
| ·Web挖掘与数据挖掘 | 第11页 |
| ·Web挖掘与信息检索 | 第11-12页 |
| ·Web挖掘与信息提取 | 第12页 |
| ·本文研究内容及结构 | 第12-14页 |
| 第二章 Web挖掘理论简介 | 第14-21页 |
| ·Web挖掘的定义 | 第14-15页 |
| ·Web挖掘的分类 | 第15-17页 |
| ·Web内容挖掘 | 第15-16页 |
| ·Web结构挖掘 | 第16页 |
| ·Web使用记录挖掘 | 第16-17页 |
| ·国内外研究动态 | 第17-18页 |
| ·主题 Web挖掘理论 | 第18-19页 |
| ·主题页面在 Web上的分布特征 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 机器学习理论简介 | 第21-28页 |
| ·机器学习概述 | 第21-23页 |
| ·机器学习的模型 | 第21页 |
| ·机器学习分类 | 第21-22页 |
| ·机器学习发展历程 | 第22-23页 |
| ·机器学习方法在 Web挖掘中的应用 | 第23页 |
| ·强化学习 | 第23-25页 |
| ·强化学习的基本原理和模型 | 第23-24页 |
| ·Q学习 | 第24-25页 |
| ·贝叶斯学习 | 第25-27页 |
| ·贝叶斯学习法则 | 第25-26页 |
| ·朴素贝叶斯分类器 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第四章 主题爬虫模型及算法研究 | 第28-39页 |
| ·通用爬虫模型 | 第28-29页 |
| ·主题爬虫概述 | 第29-31页 |
| ·主题爬虫的定义 | 第29-30页 |
| ·研究现状 | 第30-31页 |
| ·主题爬虫存在的问题 | 第31页 |
| ·基于机器学习的主题爬虫算法 | 第31-38页 |
| ·在线Q值计算 | 第32-34页 |
| ·在线生成正反例样本库 | 第34-35页 |
| ·超链接上下文到Q值的映射 | 第35-36页 |
| ·基于机器学习的主题爬虫爬行策略的主要步骤 | 第36-37页 |
| ·实验结果及分析 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第五章 基于内容和超链接的页面重要性挖掘算法 | 第39-43页 |
| ·HITS算法 | 第39-40页 |
| ·WHITS算法 | 第40-42页 |
| ·算法描述 | 第40-41页 |
| ·修整目标集合 | 第41页 |
| ·计算网页的相关度权值 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第六章 主题Web挖掘系统 | 第43-46页 |
| ·主题爬虫爬虫模块 | 第43-44页 |
| ·超链接分析模块 | 第44页 |
| ·反馈模块 | 第44-45页 |
| ·用户接口模块 | 第45-46页 |
| 第七章 总结与展望 | 第46-48页 |
| ·总结 | 第46页 |
| ·下一步工作 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 攻读硕士学位期间发表的论文和参与的项目 | 第51-52页 |
| 致谢 | 第52页 |
