| 摘要 | 第1-9页 |
| Abstract | 第9-11页 |
| 第一章 概述 | 第11-18页 |
| ·研究背景 | 第11页 |
| ·研究意义 | 第11-14页 |
| ·文本分类 | 第11-12页 |
| ·信息过滤 | 第12页 |
| ·信息抽取 | 第12-13页 |
| ·自动文摘 | 第13页 |
| ·情感分析 | 第13-14页 |
| ·权重计算方法相关研究 | 第14-16页 |
| ·特征选择相关研究 | 第14页 |
| ·VSM 中权重评估函数相关研究 | 第14-15页 |
| ·文本标引相关研究 | 第15-16页 |
| ·本文主要工作 | 第16-17页 |
| ·本文组织结构 | 第17-18页 |
| 第二章 文本权重计算 | 第18-32页 |
| ·已有特征选择算法总结 | 第18-21页 |
| ·文档频次 | 第18页 |
| ·互信息 | 第18-19页 |
| ·χ~2 (CHI ) 统计 | 第19-20页 |
| ·信息熵 | 第20页 |
| ·信息增益 | 第20-21页 |
| ·现有文本表示模型总结 | 第21-24页 |
| ·布尔模型 | 第21-22页 |
| ·概率模型 | 第22-23页 |
| ·信度网模型 | 第23页 |
| ·向量空间模型 | 第23-24页 |
| ·已有权重评估函数总结 | 第24-26页 |
| ·反比文档频数权重 | 第25页 |
| ·信噪比 | 第25页 |
| ·TF-IDF | 第25-26页 |
| ·权重计算与特征选择的对比 | 第26页 |
| ·改进信息增益算法 | 第26-31页 |
| ·信息增益算法分析 | 第26-27页 |
| ·导致信息增益算法精确度下降的原因 | 第27页 |
| ·特征项的类间离散度 | 第27-28页 |
| ·特征项的类内离散度 | 第28页 |
| ·应用特征项分布信息的信息增益计算方法 | 第28-29页 |
| ·改进的信息增益算法(IG-GDI) | 第29页 |
| ·实验结果分析 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 基于统计与规则的特征项权重计算方法 | 第32-51页 |
| ·问题分析 | 第32-35页 |
| ·VSM 中特征项粒度选取存在的不足 | 第32-33页 |
| ·VSM 固有的缺陷分析 | 第33-34页 |
| ·当前权重计算方法的缺陷 | 第34-35页 |
| ·VSM 中基于规则的文本表示研究 | 第35-43页 |
| ·中文组块分析 | 第36页 |
| ·短语的选取粒度 | 第36-37页 |
| ·基本短语的识别 | 第37-38页 |
| ·最大信息熵模型 | 第38-39页 |
| ·短语特征的权重计算 | 第39-40页 |
| ·VSM 中特征项关系组织方式 | 第40页 |
| ·实验结果分析 | 第40-43页 |
| ·基于统计的特征权重计算方法 | 第43-48页 |
| ·联合权重计算方法 | 第43-45页 |
| ·实验及分析 | 第45-48页 |
| ·基于统计与规则的特征项权重计算方法 | 第48-50页 |
| ·实验步骤 | 第48页 |
| ·实验结果分析 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第四章 信息过滤系统中基于统计与规则的权重计算方法的应用 | 第51-62页 |
| ·系统总体设计 | 第51-52页 |
| ·设计目标 | 第51页 |
| ·系统逻辑结构 | 第51-52页 |
| ·系统模块设计 | 第52-56页 |
| ·数据包截获及解析模块 | 第52-54页 |
| ·基于遗传算法的模板生成 | 第54页 |
| ·改进的贝叶斯分类器 | 第54-55页 |
| ·客户端层次过滤系统模型 | 第55-56页 |
| ·系统主界面 | 第56-59页 |
| ·服务器功能及主要界面 | 第56-58页 |
| ·客户端 | 第58-59页 |
| ·网络信息过滤效果 | 第59-61页 |
| ·黑名单过滤效果 | 第59-60页 |
| ·关键词过滤 | 第60页 |
| ·高级过滤 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 第五章 创新点总结与展望 | 第62-64页 |
| ·创新点总结 | 第62-63页 |
| ·下一步研究工作 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 已发表学术论文 | 第67页 |
| 参加科研项目 | 第67页 |
| 致谢 | 第67-68页 |