基于频繁模式和语义处理的Deep Web数据源分类研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-15页 |
| ·Deep Web 的研究背景 | 第8-12页 |
| ·Deep Web 数据源分类研究 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·研究内容与意义 | 第12-13页 |
| ·论文组织 | 第13-15页 |
| 第2章 Web 挖掘及文本分类的相关知识 | 第15-25页 |
| ·Web 挖掘概述 | 第15-16页 |
| ·Deep Web 数据源介绍 | 第16-17页 |
| ·HTML 表单介绍 | 第17页 |
| ·文档对象模型 | 第17-20页 |
| ·HTML 表单在文档对象模型中的表示 | 第18页 |
| ·HTML 文档节点 | 第18-19页 |
| ·HTML 表单的操作 | 第19-20页 |
| ·文本分类知识介绍 | 第20-24页 |
| ·文本分类的定义 | 第20-21页 |
| ·一般的分类方法 | 第21-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 Deep Web 数据源分类基础 | 第25-39页 |
| ·Deep Web 数据源分类概述 | 第25-26页 |
| ·查询接口页面内容预处理 | 第26-29页 |
| ·查询接口表示模型 | 第29-31页 |
| ·布尔模型 | 第29页 |
| ·向量空间模型 | 第29-31页 |
| ·查询接口特征选择 | 第31-33页 |
| ·查询接口特征权重计算 | 第33-34页 |
| ·单纯的基于查询接口特征的数据源分类实验 | 第34-37页 |
| ·实验评价标准 | 第34-35页 |
| ·实验数据集 | 第35-36页 |
| ·实验结果分析 | 第36-37页 |
| ·本章小结 | 第37-39页 |
| 第4章 基于丰富训练集频繁模式的数据源分类 | 第39-52页 |
| ·挖掘特征频繁模式的意义 | 第39页 |
| ·关联规则的基本概念 | 第39-40页 |
| ·特征频繁模式挖掘路线 | 第40-42页 |
| ·Apriori 算法挖掘频繁模式 | 第40-41页 |
| ·FP-growth 算法挖掘频繁模式 | 第41-42页 |
| ·基于特征频繁模式的数据源分类 | 第42-48页 |
| ·分类框架图 | 第43页 |
| ·频繁模式挖掘 | 第43-44页 |
| ·改进的朴素贝叶斯分类 | 第44-48页 |
| ·实验分析 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 基于稀疏训练集语义处理的数据源分类 | 第52-66页 |
| ·引入语义处理对分类的意义 | 第52-53页 |
| ·语义词典简单介绍 | 第53-59页 |
| ·WordNet 相关知识 | 第53-56页 |
| ·WordNet 概念的参数分析 | 第56-58页 |
| ·HowNet 基本知识 | 第58-59页 |
| ·维基百科基本知识 | 第59页 |
| ·基于语义处理的数据源分类 | 第59-63页 |
| ·概念特征向量构造 | 第60-61页 |
| ·加入语义处理后特征向量权重计算 | 第61页 |
| ·查询接口相似度的度量方法 | 第61-62页 |
| ·基于最近邻算法的分类实现 | 第62-63页 |
| ·实验分析 | 第63-65页 |
| ·本章小结 | 第65-66页 |
| 第6章 总结与展望 | 第66-68页 |
| ·工作总结 | 第66-67页 |
| ·工作展望 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 攻读学位期间公开发表的论文与科研项目 | 第73-74页 |
| 致谢 | 第74-75页 |
