基于文本内容的网页过滤技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 引言 | 第9-14页 |
| ·网页过滤简介 | 第9-11页 |
| ·个人电脑过滤 | 第9-10页 |
| ·企业网络内容过滤 | 第10-11页 |
| ·联网骨干网页过滤 | 第11页 |
| ·基于文本内容的网页过滤技术 | 第11-12页 |
| ·网页过滤与网页分类、文本分类 | 第12-13页 |
| ·内容安排 | 第13-14页 |
| 2 网页文本内容抽取 | 第14-24页 |
| ·网页文本抽取方法 | 第14-17页 |
| ·基于文档结构的文本抽取 | 第14页 |
| ·通过摘要的文本抽取 | 第14-16页 |
| ·基于链接的文本抽取 | 第16页 |
| ·基于相邻网页的文本抽取 | 第16-17页 |
| ·文本抽取中存在的问题 | 第17页 |
| ·基于相似度的网页文本抽取 | 第17-23页 |
| ·两种类型的网页 | 第18页 |
| ·宽度优先遍历树 | 第18-22页 |
| ·类别树 | 第22-23页 |
| ·小结 | 第23-24页 |
| 3 网页文本内容过滤技术 | 第24-33页 |
| ·概述 | 第24-25页 |
| ·特征选择方法 | 第25-28页 |
| ·文档频次 | 第25页 |
| ·互信息 | 第25-26页 |
| ·信息增益 | 第26页 |
| ·相对熵 | 第26-27页 |
| ·统计量 | 第27-28页 |
| ·文本分类方法 | 第28-30页 |
| ·贝叶斯分类算法 | 第28页 |
| ·支持向量机 | 第28-29页 |
| ·k近邻方法 | 第29-30页 |
| ·决策树 | 第30页 |
| ·阈值策略 | 第30-31页 |
| ·位置截尾法(RCut) | 第30页 |
| ·比例截尾法(PCut) | 第30-31页 |
| ·最优截尾法(SCut) | 第31页 |
| ·改进型截尾法(RTCut) | 第31页 |
| ·评测指标 | 第31-32页 |
| ·小结 | 第32-33页 |
| 4 实验 | 第33-42页 |
| ·训练、测试流程 | 第33-35页 |
| ·摘要 | 第35页 |
| ·贝叶斯方法 | 第35-37页 |
| ·贝叶斯文本分类算法的两种模型 | 第35-36页 |
| ·多变量贝努里事件模型 | 第36-37页 |
| ·多项式事件模型 | 第37页 |
| ·特征选择 | 第37页 |
| ·阈值策略 | 第37-38页 |
| ·实验结果 | 第38-39页 |
| ·实验结果分析 | 第39-41页 |
| ·小结 | 第41-42页 |
| 5 网页内容类别库更新 | 第42-55页 |
| ·互联网的动态性 | 第42-45页 |
| ·互联网的增长特性 | 第42-43页 |
| ·互联网内容的更新特征 | 第43-45页 |
| ·链接结构 | 第45页 |
| ·Random模型 | 第45页 |
| ·Scale-free模型 | 第45页 |
| ·网页抓取策略 | 第45-54页 |
| ·选择策略 | 第46-48页 |
| ·再次访问策略 | 第48-50页 |
| ·友好的下载策略 | 第50-51页 |
| ·并行策略 | 第51-54页 |
| ·小结 | 第54-55页 |
| 6 结束语 | 第55-56页 |
| ·结论 | 第55页 |
| ·未来的工作 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 致谢 | 第58-59页 |
| 个人简历 | 第59页 |
| 参与的项目 | 第59页 |
