基于粗糙集的Web文本分类技术研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-16页 |
| ·WEB 文本分类的研究背景和意义 | 第10-11页 |
| ·WEB 文本分类的研究现状及前景 | 第11-13页 |
| ·粗糙集理论的研究现状 | 第13-14页 |
| ·论文组织结构 | 第14-16页 |
| 第二章 WEB 文本分类概述 | 第16-31页 |
| ·文本分类的基本概念 | 第16页 |
| ·WEB 文本分类系统的流程设计 | 第16-18页 |
| ·WEB 文本预处理 | 第18-19页 |
| ·特征提取方法 | 第19-23页 |
| ·文档频率 | 第19-20页 |
| ·信息增益 | 第20页 |
| ·互信息 | 第20-21页 |
| ·期望交叉熵 | 第21-22页 |
| ·χ2 统计量 | 第22-23页 |
| ·特征项的权重计算 | 第23页 |
| ·常用文本分类算法 | 第23-30页 |
| ·支持向量机 | 第24-25页 |
| ·K-近邻 | 第25-27页 |
| ·决策树 | 第27-29页 |
| ·朴素贝叶斯 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 粗糙集理论 | 第31-46页 |
| ·粗糙集的基本概念 | 第31-34页 |
| ·知识与分类 | 第31-32页 |
| ·不可分辨关系 | 第32页 |
| ·两个知识库的关系 | 第32页 |
| ·集合的下近似和上近似 | 第32-33页 |
| ·粗糙集和精确集 | 第33-34页 |
| ·集合的近似精度和粗糙度 | 第34页 |
| ·粗糙集理论中的知识表示 | 第34-35页 |
| ·知识约简 | 第35-40页 |
| ·知识的约简与核 | 第36页 |
| ·知识的相对约简和相对核 | 第36-38页 |
| ·决策表中知识约简的一般步骤 | 第38-40页 |
| ·常用的知识约简算法 | 第40-45页 |
| ·盲目删除属性约简 | 第40-42页 |
| ·基于属性重要度的约简 | 第42-43页 |
| ·基于区分矩阵的约简 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 WEB 文本特征项权重计算及改进 | 第46-52页 |
| ·特征项权重计算方法 | 第46-48页 |
| ·布尔函数 | 第46-47页 |
| ·TF-IDF 函数 | 第47页 |
| ·Okapi 函数 | 第47-48页 |
| ·TF-IDF 权重计算方法的不足与改进 | 第48-50页 |
| ·TF-IDF 算法的不足 | 第48-49页 |
| ·TF-IDF 算法的改进 | 第49-50页 |
| ·权重离散化 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 基于粗糙集理论的WEB 文本分类 | 第52-66页 |
| ·基于粗糙集的WEB 文本分类方法的处理流程 | 第52-53页 |
| ·WEB 文本分类器的构造流程 | 第52-53页 |
| ·WEB 文本分类器的测试流程 | 第53页 |
| ·WEB 文本的预处理 | 第53-57页 |
| ·网页噪声的去除 | 第54-55页 |
| ·中文分词 | 第55-56页 |
| ·去停用词 | 第56-57页 |
| ·特征项的提取 | 第57页 |
| ·特征项权重的计算 | 第57-58页 |
| ·特征项权重的离散化 | 第58页 |
| ·决策表的构造及约简 | 第58-60页 |
| ·决策规则的表示 | 第60-61页 |
| ·WEB 文本分类测试与结果分析 | 第61-65页 |
| ·分类数据的评价指标 | 第61-62页 |
| ·实验数据及步骤 | 第62-65页 |
| ·本章小结 | 第65-66页 |
| 第六章 结论与展望 | 第66-68页 |
| ·研究总结 | 第66-67页 |
| ·后续工作 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
