面向信息检索的智能分类方法研究
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 第一章 引言 | 第10-14页 |
| ·研究背景 | 第10页 |
| ·网页智能分类研究现状 | 第10-11页 |
| ·存在的问题 | 第11-12页 |
| ·本文的工作及内容安排 | 第12-14页 |
| 第二章 信息检索与智能分类 | 第14-19页 |
| ·信息检索的定义 | 第14页 |
| ·INTERNET 上的两类信息检索系统 | 第14-16页 |
| ·文本分类的基本概念 | 第16-17页 |
| ·智能分类在信息检索中的应用 | 第17-19页 |
| 第三章 网页预处理及中文分词 | 第19-27页 |
| ·网页预处理 | 第19-21页 |
| ·网页的基本结构 | 第19-20页 |
| ·网页特点分析 | 第20-21页 |
| ·中文分词技术 | 第21-27页 |
| ·中文分词概述 | 第21-22页 |
| ·中文分词技术 | 第22-24页 |
| ·中文分词的难点 | 第24-25页 |
| ·停用词库 | 第25页 |
| ·本文采用的中文分词算法及流程图 | 第25-27页 |
| 第四章 文本表示模型及特征提取算法 | 第27-36页 |
| ·文本表示模型及其优缺点分析 | 第27-29页 |
| ·布尔模型 | 第27页 |
| ·概率模型 | 第27-28页 |
| ·向量空间模型 | 第28页 |
| ·文本特征表示方法 | 第28-29页 |
| ·特征词的权重计算 | 第29-31页 |
| ·特征提取 | 第31-36页 |
| ·特征提取的目的 | 第31页 |
| ·常见特征提取算法及评价 | 第31-33页 |
| ·本文所采用的特征提取方法 | 第33-36页 |
| 第五章 网页智能分类的研究 | 第36-48页 |
| ·网页分类概述 | 第36-37页 |
| ·文本分类算法 | 第37-42页 |
| ·简单向量距离分类方法 | 第38页 |
| ·贝叶斯分类方法 | 第38-39页 |
| ·支持向量机分类算法 | 第39-40页 |
| ·决策树分类法 | 第40-41页 |
| ·KNN(K 最近邻)分类算法 | 第41-42页 |
| ·基于粒子群算法的KNN 分类算法 | 第42-44页 |
| ·粒子群算法的原理 | 第42-43页 |
| ·粒子群算法的数学模型 | 第43-44页 |
| ·本文采用的基于粒子群算法的KNN 分类算法 | 第44页 |
| ·评估方法 | 第44-45页 |
| ·网页分类实验结果及评价 | 第45-48页 |
| ·数据集介绍 | 第45-46页 |
| ·实验结果 | 第46-48页 |
| 第六章 结论与展望 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 研究生期间发表论文 | 第53-54页 |
| 致谢 | 第54页 |
