基于遗传算法的自适应文本过滤方法的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-22页 |
| ·课题的研究背景、意义及现状 | 第10-17页 |
| ·课题的研究背景及意义 | 第10-12页 |
| ·课题的研究现状 | 第12-17页 |
| ·课题的研究重点 | 第17页 |
| ·课题与相关领域知识的关系 | 第17-19页 |
| ·信息过滤与信息检索 | 第18页 |
| ·信息过滤与自适应信息过滤 | 第18-19页 |
| ·信息过滤与信息抽取 | 第19页 |
| ·课题的来源及研究内容 | 第19-22页 |
| ·课题的来源 | 第19-20页 |
| ·本文的研究内容 | 第20页 |
| ·本文的组织结构 | 第20-22页 |
| 第2章 自适应信息过滤及文本表示 | 第22-32页 |
| ·自适应信息过滤的体系结构 | 第22-23页 |
| ·基于向量空间模型的文本表示方法 | 第23-25页 |
| ·向量空间模型 | 第23-24页 |
| ·相似度计算 | 第24-25页 |
| ·用户模板的关键技术 | 第25-31页 |
| ·用户需求的扩展 | 第25-26页 |
| ·用户模板的概念 | 第26-27页 |
| ·用户模板构造方法 | 第27-29页 |
| ·用户模板参数设定 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 自适应过滤文本预处理关键技术 | 第32-42页 |
| ·实验语料 | 第32-34页 |
| ·语料的来源 | 第32-33页 |
| ·分词及预处理 | 第33-34页 |
| ·特征加权 | 第34-35页 |
| ·特征选择 | 第35-37页 |
| ·特征选择的研究现状 | 第35-36页 |
| ·组合特征选择方法 | 第36-37页 |
| ·一种改进的特征选择算法 | 第37页 |
| ·实验的评价标准 | 第37-39页 |
| ·实验及结果分析 | 第39-40页 |
| ·实验流程 | 第39页 |
| ·实验结果分析 | 第39-40页 |
| ·本章小结 | 第40-42页 |
| 第4章 基于遗传算法的用户模板自学习 | 第42-64页 |
| ·用户模板自学习的研究现状 | 第42-43页 |
| ·遗传算法在模板自学习中的应用 | 第43-52页 |
| ·遗传算法基本概念、方法 | 第44-45页 |
| ·遗传算法的选择、交叉和变异 | 第45-48页 |
| ·遗传算法的一般流程 | 第48页 |
| ·遗传算法在信息过滤中应用现状 | 第48-49页 |
| ·本文的遗传算法实现 | 第49-52页 |
| ·自适应信息过滤的阈值设定 | 第52-53页 |
| ·用户模板的伪相关文档自学习 | 第53-54页 |
| ·基于遗传算法的用户模板自学习 | 第54-57页 |
| ·实验及实验结果 | 第57-63页 |
| ·实验过程 | 第57-58页 |
| ·正反例反馈实验的对比分析 | 第58-59页 |
| ·反馈优化处理的实验对比分析 | 第59-63页 |
| ·本章小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第71-72页 |
| 致谢 | 第72页 |
