网络信息采集及智能处理技术研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-14页 |
| 第一章 绪论 | 第14-19页 |
| ·研究背景及意义 | 第14-15页 |
| ·国内外研究现状 | 第15-17页 |
| ·主要研究内容 | 第17页 |
| ·论文的组织结构 | 第17-19页 |
| 第二章 Web信息采集技术研究 | 第19-30页 |
| ·网络爬虫 | 第19-23页 |
| ·通用爬虫原理 | 第19-22页 |
| ·通用爬虫的不足 | 第22页 |
| ·面向主题的聚焦爬虫 | 第22-23页 |
| ·网页去重 | 第23-25页 |
| ·基于聚类的方法 | 第24页 |
| ·消除相同的URL | 第24页 |
| ·基于特征码的方法 | 第24-25页 |
| ·信息抽取 | 第25-27页 |
| ·HTML语法分析 | 第25页 |
| ·信息抽取原理 | 第25-26页 |
| ·基于正则表达式的信息抽取 | 第26-27页 |
| ·集中式Web数据采集系统的基本结构 | 第27-30页 |
| 第三章 文本信息处理关键技术 | 第30-42页 |
| ·中文分词 | 第30-32页 |
| ·分词中的难题 | 第30页 |
| ·分词算法 | 第30-32页 |
| ·文本的表示 | 第32-33页 |
| ·文本特征选择方法 | 第33-37页 |
| ·文档频度 | 第33页 |
| ·信息增益 | 第33-34页 |
| ·互信息 | 第34-35页 |
| ·X~2(CHI)统计 | 第35-36页 |
| ·基于同义词合并的特征选择 | 第36-37页 |
| ·权重计算 | 第37-38页 |
| ·常见分类算法 | 第38-42页 |
| ·贝叶斯方法 | 第39页 |
| ·决策树方法 | 第39-40页 |
| ·支持向量机分类算法 | 第40-41页 |
| ·K-最近邻法 | 第41-42页 |
| 第四章 基于改进的KNN算法构造文本分类器 | 第42-50页 |
| ·文本分类概述 | 第42页 |
| ·改进的KNN算法 | 第42-44页 |
| ·KNN算法的不足 | 第42-43页 |
| ·KNN算法的改进 | 第43-44页 |
| ·分类器的构造 | 第44-48页 |
| ·文本分类系统结构 | 第44-45页 |
| ·文本预处理 | 第45-47页 |
| ·训练阶段 | 第47页 |
| ·分类阶段 | 第47-48页 |
| ·分类器的阈值选择 | 第48-50页 |
| 第五章 分类实验结果与分析 | 第50-54页 |
| ·实验环境 | 第50页 |
| ·实验语料库 | 第50-51页 |
| ·实验评估指标 | 第51页 |
| ·实验设计和结果分析 | 第51-54页 |
| ·特征维数对分类效果的影响 | 第52页 |
| ·K值的选取对分类效果的影响 | 第52-53页 |
| ·改进的KNN算法与传统KNN算法性能比较 | 第53-54页 |
| 总结与展望 | 第54-56页 |
| 工作总结 | 第54页 |
| 工作展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 攻读硕士学位期间发表的论文 | 第59-61页 |
| 致谢 | 第61页 |
