教育浏览器下的网页分类算法的研究与设计
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外的研究与应用现状 | 第11-12页 |
| 1.3 研究目标和内容 | 第12-14页 |
| 1.4 论文的组织结构 | 第14页 |
| 1.5 本章小结 | 第14-15页 |
| 第二章 相关理论与技术基础 | 第15-28页 |
| 2.1 教育浏览器介绍 | 第15页 |
| 2.2 网络爬虫 | 第15-17页 |
| 2.3 网页分类问题 | 第17-21页 |
| 2.3.1 文本分类 | 第17-18页 |
| 2.3.2 分类算法的定义及描述 | 第18-19页 |
| 2.3.3 网页分类的一般过程 | 第19-21页 |
| 2.4 分词技术 | 第21-24页 |
| 2.4.1 分词技术 | 第21-22页 |
| 2.4.2 基于词典的分词方法 | 第22-23页 |
| 2.4.3 基于统计的分词方法 | 第23-24页 |
| 2.4.4 基于理解的分词方法 | 第24页 |
| 2.5 特征提取 | 第24-26页 |
| 2.6 分类算法 | 第26-27页 |
| 2.6.1 朴素贝叶斯算法 | 第26页 |
| 2.6.2 支持向量机算法 | 第26-27页 |
| 2.6.3 随机森林算法 | 第27页 |
| 2.7 本章小结 | 第27-28页 |
| 第三章 网页分类问题关键技术的实现 | 第28-37页 |
| 3.1 网页预处理 | 第28-32页 |
| 3.1.1 网页分类标签 | 第28-29页 |
| 3.1.2 网页预处理的流程 | 第29页 |
| 3.1.3 网络爬虫 | 第29-32页 |
| 3.2 中文分词处理 | 第32-35页 |
| 3.3 网页特征处理 | 第35-36页 |
| 3.3.1 TFIDF算法 | 第35页 |
| 3.3.2 TFIDF算法的原理与计算方法 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 分类算法的设计与实现 | 第37-57页 |
| 4.1 支持向量机算法 | 第37-45页 |
| 4.1.1 支持向量机算法的原理 | 第37-39页 |
| 4.1.2 支持向量机算法的实现 | 第39-42页 |
| 4.1.3 支持向量机算法的结果与分析 | 第42-45页 |
| 4.2 随机森林算法 | 第45-51页 |
| 4.2.1 决策树 | 第45-47页 |
| 4.2.2 随机森林算法的原理 | 第47-49页 |
| 4.2.3 随机森林算法的实现与改进 | 第49-50页 |
| 4.2.4 随机森林算法的结果 | 第50-51页 |
| 4.3 朴素贝叶斯算法 | 第51-54页 |
| 4.3.1 朴素贝叶斯算法的原理 | 第51-52页 |
| 4.3.2 朴素贝叶斯算法的实现 | 第52-53页 |
| 4.3.3 朴素贝叶斯算法的结果 | 第53-54页 |
| 4.4 分类算法的结果对比 | 第54-55页 |
| 4.5 本章小结 | 第55-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 总结 | 第57页 |
| 5.2 不足与展望 | 第57-59页 |
| 参考文献 | 第59-61页 |
| 攻读硕士期间参与的项目 | 第61-62页 |
| 致谢 | 第62页 |
