基于神经网络的网络信息挖掘的研究与应用

论文摘要

随着计算机技术及网络的迅速发展,可供人们应用的数据量急剧的增长,面对浩瀚的网络资源,人们获取准确的、有用的、个性化的信息成为极大地难题,为了解决这个问题,网络信息挖掘技术应运而生。网络信息挖掘是近年来发展起来的,是数据挖掘技术在网络环境下的应用,涉及数据挖掘、网络技术、信息科学等多个领域的一项新技术。网络信息挖掘能够从大量的、异质的、分布的、半结构或无结构化的Web文档集合中,发现有效资源和知识。人工神经网络是在现代神经科学研究成果基础上提出的,反映的是人脑功能的若干基本特征,具有对非线性数据快速建模的能力,能够模拟人脑来处理不完整或模糊的信息,特别适合那些以模糊的、不完整的知识和数据为特征的、缺少清晰分析数据的问题。目前,人工神经网络技术在计算机领域发展迅速并且取得了众多的应用成果。本文综述了数据挖掘、网络信息挖掘和人工神经网络的基本概念、原理、研究现状、发展趋势及应用领域。针对网络文本挖掘,实现了网络信息挖掘中的数据预处理问题,包括中文分词和特征提取。针对网络信息文本挖掘的实际应用问题,提出将人工神经网络应用在网络信息挖掘技术当中,以实现文本挖掘中的分类功能,并将其实现。目前的地图服务具有更新速度慢、成本高并且不具有个性化的服务的缺点。针对这些问题,本文提出将网络信息挖掘应用在地图服务中,设计地图服务中网络信息挖掘系统,系统以网络资源为数据支持,主要包括文本采集、特征提取、数据挖掘及存储、将挖掘出的数据添加到网络地图中等功能。目标实现网络地图自动更新数据,为用户提供个性化服务。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题研究背景
• 1.2 课题研究内容及组织
• 1.2.1 本文研究内容
• 1.2.2 本文组织
• 第2章 网络信息挖掘基础
• 2.1 数据挖掘
• 2.1.1 数据挖掘的提出与发展
• 2.1.2 数据挖掘的研究现状
• 2.1.3 数据挖掘的理论基础
• 2.1.4 数据挖掘的步骤
• 2.2 网络信息挖掘
• 2.2.1 网络信息挖掘的概念
• 2.2.2 网络信息挖掘的分类
• 2.2.3 网络信息挖掘的现状与前景
• 2.3 本章小结
• 第3章 人工神经网络
• 3.1 基本原理
• 3.1.1 生物神经元模型
• 3.1.2 人工神经元模型
• 3.1.3 神经网络模型
• 3.2 神经网络的学习过程
• 3.2.1 学习方式
• 3.2.2 学习规则
• 3.3 几种神经网络模型
• 3.3.1 线性神经网络
• 3.3.2 误差逆传播神经网络
• 3.3.3 径向基函数网络
• 3.3.4 反馈型神经网络
• 3.3.5 竞争型神经网络
• 3.4 本章小结
• 第4章 基于神经网络的网络信息挖掘技术的研究
• 4.1 Web挖掘预处理
• 4.1.1 Web文本挖掘及其一般流程
• 4.1.2 数据预处理技术
• 4.1.3 特征提取算法
• 4.2 改进神经网络算法
• 4.2.1 前向神经网络模型
• 4.2.2 标准BP算法
• 4.2.3 BP算法的主要特点及存在问题
• 4.2.4 改进的BP算法
• 4.3 本章小结
• 第5章 网络信息挖掘系统的设计与实现
• 5.1 系统开发环境
• 5.2 系统的设计与实现
• 5.3 网络信息挖掘在网络地图中的应用
• 5.3.1 研究背景及意义
• 5.3.2 网络信息挖掘在网络地图服务中的应用及其设计
• 5.4 本章小结
• 结论
• 参考文献
• 致谢
• 研究生履历