Web挖掘技术在东亚植物遗传资源管理系统中的应用研究

论文摘要

为促进东亚地区植物遗传资源的保护和利用,国际植物遗传资源研究所（IPGRI）与东亚各国有关研究机构决定建立“东亚植物遗传资源协作网”（EA-PGR）Web信息管理系统。 EA-PGR的Web信息管理系统的信息是分类进行管理的,管理员要处理大量来自IPGRI的静态Web文本,然后把它们按类上传到Web信息管理系统中,这些Web文本的组织往往处于混乱的状态,采用人工分类,工作量既大,效率又低。正是出于需要对Web文本进行分类管理的目的,作者研究了Web文本的自动分类技术。本论文研究结果如下: （1） 分析了Web文本分类的三个重要技术:特征词提取、特征赋权、特征选择方法的IG、CHI、期望交叉熵等6种评估函数。对来自IPGRI的Web文本集进行了系统测试,分析了各种评估函数对不同分类器的优劣。 （2） 研究了Web文本分类算法:类中心向量、KNN、朴素贝叶斯、SVM等几种分类器,并对KNN和SVM两种分类器在标准语料库和来自IPGRI的Web文本集进行了实验比较分析,得出SVM是比KNN更好的分类器。 （3） 作为Web文本自动分类技术研究的结果,采用VC++设计与实现了基于内容的中英文Web文本自动分类系统。该系统具有支持KNN和SVM两种分类器、多种特征选择方法、兼类分类、自定义特征空间维数和分类结果评测曲线、直方图显示等特点。 （4） IPGRI为了在成员国之间开展多个领域的学术交流和合作活动,决定建立“东亚植物遗传资源协作网”的网站。作者用ASP. NET和ADO. NET技术,结合SQL Server 2000数据库系统,用C#语言开发了基于ASP. NET的信息管理系统。在此基础上,利用Web文本自动分类技术研究结果把分好类的Web文本和其他信息进行有效的发布和共享,实现了EA-PGR相关信息和数据的动态管理与发布。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 前言
• 1.1 研究背景和意义
• 1.2 国内外研究现状
• 1.3 研究目标和内容
• 1.4 论文组织
• 第二章 WEB文本分类过程概述
• 2.1 文本分类的概念
• 2.2 文本自动分类的实现过程
• 2.3 文本的预处理与分词
• 2.4 分类器的设计与训练
• 2.5 文本分类的性能评价
• 2.6 实验用到的文本集
• 第三章 WEB文本分类的特征提取、特征选择与实验比较
• 3.1 WEB文本的特征提取
• 3.2 WEB文本分类中的特征赋权
• 3.3 WEB文本分类中的特征选择
• 3.4 特征选择实验比较与结论
• 第四章 WEB文本分类算法与实验比较
• 4.1 类中心向量分类法
• 4.2 KNN分类法
• 4.3 NAiVE BAYES分类方法
• 4.4 SVM分类法
• 4.5 KNN和SVM的算法比较与分析
• 第五章 WEB文本分类系统的设计与实现
• 5.1 系统结构简介
• 5.2 各功能模块
• 第六章 东亚植物遗传资源管理系统的设计与实现
• 6.1 系统设计
• 6.2 工作原理和主要技术
• 第七章 结论与展望
• 7.1 结论
• 7.2 展望
• 参考文献
• 致谢
• 作者简介