| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 引言 | 第10-16页 |
| 1.1 文本分类的基本介绍 | 第10-11页 |
| 1.2 隐私保护数据挖掘的产生背景 | 第11-12页 |
| 1.3 隐私保护文本分类研究现状 | 第12-13页 |
| 1.4 本文研究概览与章节安排 | 第13-16页 |
| 2 相关工作及理论 | 第16-24页 |
| 2.1 文本分类技术概述 | 第16-17页 |
| 2.2 文本分类的一般过程 | 第17-21页 |
| 2.3 隐私保护下的SVM算法 | 第21页 |
| 2.4 本章小结 | 第21-24页 |
| 3 基于关键特征链的隐私保护算法 | 第24-32页 |
| 3.1 问题的引出 | 第24-25页 |
| 3.2 关键特征链模型概念 | 第25-26页 |
| 3.2.1 基本概念 | 第25-26页 |
| 3.2.2 关键特征链对隐私保护的实现方式 | 第26页 |
| 3.3 基于关键特征链的用户隐私表示方法 | 第26-29页 |
| 3.3.1 关键特征的识别 | 第27页 |
| 3.3.2 关键隐私特征链的构建 | 第27-28页 |
| 3.3.3 基于关键特征链的隐私虚化算法 | 第28-29页 |
| 3.4 实验结果及分析 | 第29-31页 |
| 3.4.1 实验框架 | 第29-30页 |
| 3.4.2 实验结果及分析 | 第30-31页 |
| 3.5 本章小结 | 第31-32页 |
| 4 隐私保护模式下的空间边缘检测SVM文本分类 | 第32-46页 |
| 4.1 引言 | 第32页 |
| 4.2 支持向量机的基本原理 | 第32-35页 |
| 4.3 支持向量机分类区域边缘识别方法 | 第35-38页 |
| 4.3.1 向量空间的网格化表示 | 第35-36页 |
| 4.3.2 向量密度计算 | 第36-37页 |
| 4.3.3 向量空间边缘识别方法 | 第37-38页 |
| 4.4 基于隐私保护的空间边缘检测SVM文本分类算法 | 第38-41页 |
| 4.5 仿真实验 | 第41-44页 |
| 4.6 本章小结 | 第44-46页 |
| 5 原型系统的设计与实现 | 第46-56页 |
| 5.1 引言 | 第46页 |
| 5.2 系统框架 | 第46-47页 |
| 5.3 数据预处理 | 第47-48页 |
| 5.4 系统的设计与实现 | 第48-51页 |
| 5.5 实验系统结果分析 | 第51-55页 |
| 5.6 本章小结 | 第55-56页 |
| 6 结论 | 第56-58页 |
| 6.1 本文总结 | 第56页 |
| 6.2 进一步的研究工作 | 第56-58页 |
| 致谢 | 第58-60页 |
| 参考文献 | 第60-64页 |