| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 引言 | 第7-15页 |
| ·问题的描述 | 第7-8页 |
| ·研究背景和意义 | 第8-9页 |
| ·国内外的现状及发展趋势 | 第9-12页 |
| ·国外文本分类研究 | 第9-11页 |
| ·国内文本分类研究 | 第11-12页 |
| ·研究内容 | 第12-14页 |
| ·本文的内容组织和结构 | 第14页 |
| ·本章小结 | 第14-15页 |
| 第二章 Web 文本分类 | 第15-36页 |
| ·Web 文本分类的定义 | 第15-16页 |
| ·Web 分类的特点 | 第16-17页 |
| ·Web 文本分类的过程 | 第17-26页 |
| ·Web 文本表达 | 第18-23页 |
| ·维数约简 | 第23-26页 |
| ·常用的分类算法 | 第26-32页 |
| ·Rocchio 算法 | 第26-27页 |
| ·K 近邻算法 | 第27-28页 |
| ·支持向量机 | 第28-29页 |
| ·朴素贝叶斯方法 | 第29-30页 |
| ·决策树 | 第30-31页 |
| ·神经网络 | 第31-32页 |
| ·分类性能评价 | 第32-35页 |
| ·本章小结 | 第35-36页 |
| 第三章 Rough 集理论简介 | 第36-46页 |
| ·概述 | 第36-37页 |
| ·知识与分类 | 第37页 |
| ·不精确范畴，近似与 Rough 集 | 第37-40页 |
| ·知识约简与知识的依赖性 | 第40-43页 |
| ·知识表达系统与决策表 | 第43-44页 |
| ·将 Rough 集理论应用于 Web 文本分类 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 基于 Rough 集的 Web 文本分类及信息抽取 | 第46-59页 |
| ·基于 Rough 集的 Web 文本分类概述 | 第46页 |
| ·基于 Rough 集的 Web 文本分类的属性约简 | 第46-53页 |
| ·常见的属性约简方法 | 第46-48页 |
| ·同类属性约简方法 | 第48-53页 |
| ·基于 Rough 集的 Web 文本分类的决策规则 | 第53-55页 |
| ·标准决策规则 | 第53页 |
| ·近似决策规则 | 第53-55页 |
| ·基于 Rough 集的 Web 文本分类的规则匹配 | 第55-56页 |
| ·完全匹配 | 第55-56页 |
| ·部分匹配 | 第56页 |
| ·基于 Rough 集的 Web 信息抽取 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 结论与展望 | 第59-62页 |
| ·结论 | 第59-60页 |
| ·进一步工作的方向 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 攻读学位期间的研究成果 | 第66页 |
