Web数据挖掘算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-19页 |
| ·研究的背景及目的 | 第9-10页 |
| ·数据挖掘 | 第10-16页 |
| ·数据挖掘的由来 | 第10-11页 |
| ·数据挖掘的定义 | 第11-12页 |
| ·数据挖掘研究的内容和本质 | 第12-13页 |
| ·数据挖掘的功能 | 第13-14页 |
| ·数据挖掘未来研究方向 | 第14-16页 |
| ·国内外相关研究 | 第16-17页 |
| ·论文研究的内容及结构 | 第17-19页 |
| ·论文研究的内容 | 第18页 |
| ·论文的结构 | 第18-19页 |
| 第2章 获取Web 主题内容的关键技术 | 第19-27页 |
| ·主题抽取算法概况 | 第19-20页 |
| ·融合模型采用的主题提取系统结构 | 第20-21页 |
| ·信息提取系统主要构建以及算法描述 | 第21-24页 |
| ·分块及其页面结构分析算法 | 第21-23页 |
| ·计算局部相关度 | 第23页 |
| ·Graph 生成算法 | 第23-24页 |
| ·相关链接识别算法 | 第24页 |
| ·结果演示 | 第24-25页 |
| ·本章小结 | 第25-27页 |
| 第3章 Web 图像文本语义概述 | 第27-40页 |
| ·引言 | 第27-28页 |
| ·文本语义的概念以及获取文本语义的常用方法 | 第28-34页 |
| ·文本的表示模型 | 第29-31页 |
| ·文本的特征选择 | 第31-33页 |
| ·句法分析 | 第33-34页 |
| ·图像语义的概念以及获取图像语义的常用方法 | 第34-38页 |
| ·层次结构模型 | 第35-37页 |
| ·图像抽取模型 | 第37-38页 |
| ·语义网络模型 | 第38页 |
| ·本章小结 | 第38-40页 |
| 第4章 多媒体信息融合框架 | 第40-52页 |
| ·引言 | 第40页 |
| ·相关研究 | 第40-42页 |
| ·融合算法及Web 内容数据挖掘 | 第42-45页 |
| ·总体框架 | 第42页 |
| ·页面分析和主题内容提取 | 第42-43页 |
| ·特征提取 | 第43-44页 |
| ·融合算法 | 第44-45页 |
| ·实验结果及其分析 | 第45-48页 |
| ·实验结果 | 第46页 |
| ·实验结果评定 | 第46-48页 |
| ·实验结果分析 | 第48-49页 |
| ·举例说明 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 语义浓缩算法 | 第52-64页 |
| ·引言 | 第52-53页 |
| ·自动文摘关键技术 | 第53-58页 |
| ·句子相似度计算 | 第53-54页 |
| ·句子模型描述 | 第54-55页 |
| ·基于句子不同特征的相似度计算 | 第55-58页 |
| ·基于关键词和命名实体的句子相似度的算法研究 | 第58-60页 |
| ·有关命名实体(NE)的理论概述 | 第58-59页 |
| ·基于NE 和关键词的多特征融合句子相似度计算 | 第59-60页 |
| ·文摘句的抽取以及表示模型 | 第60-61页 |
| ·文摘的生成 | 第61页 |
| ·实验结果以及评价方法 | 第61-62页 |
| ·本章小结 | 第62-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第71-72页 |
| 致谢 | 第72-73页 |
| 作者简介 | 第73页 |
