基于粒计算的Web信息融合方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-17页 |
| ·课题来源、研究目的及意义 | 第9-10页 |
| ·课题来源 | 第9页 |
| ·研究目的与意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·Web信息融合理论研究 | 第10-11页 |
| ·粒计算理论研究 | 第11-12页 |
| ·Web挖掘理论研究 | 第12-13页 |
| ·现状总结与发展趋势 | 第13页 |
| ·研究内容与方法 | 第13-17页 |
| ·研究内容 | 第13-15页 |
| ·研究方法 | 第15页 |
| ·技术路线 | 第15-17页 |
| 第2章 Web信息多粒度融合原理 | 第17-24页 |
| ·Web信息提取及分析 | 第17-21页 |
| ·Web信息抽取 | 第17-19页 |
| ·Web挖掘技术 | 第19-21页 |
| ·Web信息多粒度融合功能模型 | 第21-24页 |
| 第3章 Web信息多粒度融合表示模型 | 第24-33页 |
| ·Web信息表示模型 | 第24-26页 |
| ·Web信息概念描述 | 第24-25页 |
| ·Web信息属性描述 | 第25-26页 |
| ·Web信息粒度空间模型 | 第26-30页 |
| ·构造-集成认知模型 | 第26-28页 |
| ·模糊商空间理论 | 第28-29页 |
| ·粒度空间描述 | 第29-30页 |
| ·Web信息粒度关联模型 | 第30-33页 |
| ·事件-索引认知模型 | 第30-31页 |
| ·粒度关联描述 | 第31-33页 |
| 第4章 Web信息多粒度融合算法 | 第33-45页 |
| ·主题增量聚类算法 | 第33-36页 |
| ·文本特征权重计算 | 第33-35页 |
| ·主题增量聚类算法实现 | 第35-36页 |
| ·信息粒度空间生成算法 | 第36-40页 |
| ·文本相似度计算 | 第36-37页 |
| ·信息多粒度划分 | 第37-39页 |
| ·信息多粒度表示 | 第39-40页 |
| ·信息粒度关联融合算法 | 第40-45页 |
| ·时序关联融合算法 | 第40-41页 |
| ·因果关联融合算法 | 第41-45页 |
| 第5章 实例分析与验证 | 第45-51页 |
| ·实验数据准备 | 第45-46页 |
| ·评价方法 | 第46-47页 |
| ·实验结果与分析 | 第47-51页 |
| 第6章 总结与展望 | 第51-53页 |
| ·本文工作总结 | 第51-52页 |
| ·主要内容 | 第51页 |
| ·主要创新点 | 第51-52页 |
| ·研究展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-58页 |
| 攻读硕士学位期间发表的论文及参与研究的课题 | 第58页 |
