| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-18页 |
| ·研究背景及意义 | 第11-12页 |
| ·国内外研究现状及发展趋势 | 第12-16页 |
| ·国外文本分类研究现状 | 第12-13页 |
| ·国内文本分类研究现状 | 第13页 |
| ·模糊粗糙集发展过程及其研究现状 | 第13-15页 |
| ·Web 文本分类发展趋势 | 第15-16页 |
| ·本文研究内容及论文组织结构 | 第16-18页 |
| 第2章 Web 文本分类综述 | 第18-28页 |
| ·Web 挖掘 | 第18-20页 |
| ·Web 挖掘的定义 | 第18页 |
| ·Web 挖掘的过程 | 第18-19页 |
| ·Web 挖掘的分类 | 第19-20页 |
| ·Web 文本挖掘 | 第20-22页 |
| ·Web 文本挖掘的定义 | 第20页 |
| ·Web 文本挖掘的内容 | 第20-21页 |
| ·Web 文本挖掘的过程 | 第21-22页 |
| ·Web 文本分类 | 第22-24页 |
| ·Web 文本分类定义 | 第22页 |
| ·Web 文本分类过程 | 第22-23页 |
| ·Web 文本分类评价指标 | 第23-24页 |
| ·常用的文本分类算法 | 第24-27页 |
| ·KNN 算法 | 第24-25页 |
| ·SVM 算法(支持向量机算法) | 第25-26页 |
| ·Native Bayes 算法(朴素贝叶斯算法) | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 模糊集与粗糙集 | 第28-38页 |
| ·粗糙集的基本概念 | 第28-32页 |
| ·知识分类观点 | 第28-30页 |
| ·粗糙的成员关系 | 第30页 |
| ·粗糙集的近似边界观点 | 第30-32页 |
| ·信息系统的属性约简 | 第32页 |
| ·模糊集的基本概念 | 第32-34页 |
| ·模糊集合 | 第32-33页 |
| ·分解定理 | 第33-34页 |
| ·模糊关系 | 第34页 |
| ·模糊粗糙集 | 第34-37页 |
| ·模糊粗糙集的基本概念 | 第34-36页 |
| ·用模糊粗糙集方法获取知识的一个实例 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 基于模糊粗糙集的Web 文本分类模型 | 第38-47页 |
| ·分类模型设计 | 第38-39页 |
| ·系统实现 | 第39-43页 |
| ·文本采集 | 第39-40页 |
| ·文本表示及特征选择 | 第40-42页 |
| ·属性约简 | 第42-43页 |
| ·文本分类 | 第43页 |
| ·测试 | 第43页 |
| ·主要算法描述 | 第43-46页 |
| ·Web 文本采集模块 | 第43-44页 |
| ·词频统计模块 | 第44页 |
| ·属性约简模块 | 第44-45页 |
| ·文本分类模块 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 实验及结果分析 | 第47-55页 |
| ·测试文本 | 第47页 |
| ·实验环境说明 | 第47-49页 |
| ·评价标准 | 第49页 |
| ·实验过程及结果 | 第49-53页 |
| ·实验一：dim 值的选取对分类性能的影响 | 第49-50页 |
| ·实验二：分类集文档数量对分类效果的影响 | 第50-52页 |
| ·实验三：与其它分类算法的比较 | 第52-53页 |
| ·实验讨论 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士期间发表的论文 | 第60-61页 |
| 致谢 | 第61页 |