web文本分类中特征向量优化技术研究
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 第一章 绪论 | 第10-18页 |
| ·研究背景 | 第10-14页 |
| ·文本分类技术简介 | 第10-12页 |
| ·文本分类关键技术 | 第12-13页 |
| ·文本分类所面临的挑战 | 第13-14页 |
| ·向量优化技术 | 第14-16页 |
| ·向量优化技术简介 | 第14-16页 |
| ·向量优化技术的研究现状 | 第16页 |
| ·本文的内容及主要工作 | 第16-18页 |
| 第二章 文本数据的数学表示 | 第18-21页 |
| ·常用的文本表示模型 | 第18-20页 |
| ·布尔逻辑模型 | 第18页 |
| ·向量空间模型 | 第18-19页 |
| ·概率推理模型 | 第19页 |
| ·潜在语义索引模型 | 第19-20页 |
| ·小结 | 第20-21页 |
| 第三章 特征选择及其权重计算方案 | 第21-37页 |
| ·特征选择简介 | 第21-22页 |
| ·特征选择的概念 | 第21页 |
| ·特征选择的重要性 | 第21-22页 |
| ·常用特征选择算法及其评价 | 第22-24页 |
| ·文档频率 | 第22-23页 |
| ·信息增益 | 第23页 |
| ·互信息 | 第23-24页 |
| ·CHI统计 | 第24页 |
| ·基于关联性的特征选择 | 第24-30页 |
| ·特征关联性分析 | 第24-26页 |
| ·特征关联性的度量 | 第26-27页 |
| ·一种基于关联分析的特征选择算法 | 第27-30页 |
| ·特征选择中的权重计算 | 第30-37页 |
| ·传统权重计算公式的分析 | 第31-32页 |
| ·改进的权重计算方案 | 第32-37页 |
| 第四章 特征抽取及其权重计算方案 | 第37-46页 |
| ·特征抽取简介 | 第37-38页 |
| ·特征抽取概念 | 第37页 |
| ·特征抽取的重要性 | 第37-38页 |
| ·文本分类中的特征抽取算法 | 第38-41页 |
| ·单词聚类 | 第38-39页 |
| ·潜在语义索引(LSI) | 第39-41页 |
| ·小结 | 第41页 |
| ·LSI中的权重计算方案 | 第41-46页 |
| ·权重计算简介 | 第41-42页 |
| ·一种基于加权平滑的局部 LSI技术 | 第42-46页 |
| 第五章 向量优化技术在信息过滤系统中的应用 | 第46-54页 |
| ·信息过滤平台简介 | 第46-49页 |
| ·系统结构 | 第46-47页 |
| ·内容过滤模块的实现 | 第47-48页 |
| ·主要界面 | 第48-49页 |
| ·测试数据集 | 第49页 |
| ·评价标准 | 第49-50页 |
| ·评测过程与结果 | 第50-53页 |
| ·小结 | 第53-54页 |
| 第六章 本文工作总结与展望 | 第54-56页 |
| ·本文的主要工作 | 第54-55页 |
| ·进一步的工作 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 在学期间发表的论文及参加的项目 | 第60-61页 |
| 致谢 | 第61页 |
