基于GA-KNN分类模型在船期数据分析中的研究与应用

摘要

当下，互联网蓬勃发展，信息化不断推进，网络上充斥着各种文本信息。尤其是在航运领域中，各种船期信息每天都快速增长着，但是这些数据目前却保持着一种“无明”状态：标准涣散，条块割据，处理缓慢，目标缺失，然而基于船期数据领域的自然语言处理技术（包括文本信息表示技术、同义词问题处理、特征词选择方法、文本检索技术、文本分类技术、Web信息提取技术等）的研究仍不多见。
　　本文针对以上问题，建立了船期领域中的文本向量空间模型，构建了一个船期领域的虚拟专业搜索引擎，再与GA-KNN分类模型相结合将初始的网页集进行分类，已得到船期数据信息的网页集，最后再基于DOM的Web提取技术，采集网页中的船期数据信息。主要内容为：
　　1.基于传统的文本向量空间模型基础上，主要研究和分析了特定领域（船期信息领域）下的特征词选择、同义词聚合的改进和应用以及向量空间维度的问题，提出了船期领域中的文本向量空间模型。
　　2.为了获得承载船期数据信息的网页集，作为最初论文研究对象，构造了一个虚拟的专业搜索引擎。
　　3.以KNN方法为基础，结合遗传算法，提出GA-KNN分类模型对船期文本进行文本分类。即提出一种变换的KNN分类方法，对网页集进行文本分类；同时，为了降低分类计算复杂度，提高分类准确率，结合GA进行特征选择。
　　4.运用基于DOM的Web信息提取技术，提取结构化的船期数据,以便下一步的工作开展。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 本文主要工作

1.4 本文结构安排

第二章 文本分类技术的研究

2.1引言

2.2文本分类的原理

2.3文本分类的特征提取

2.4 常用的文本分类的技术

第三章 船期领域中的文本向量空间模型

3.1文本向量空间模型概述

3.2船期领域文本向量空间模型

第四章 船期领域的网页文本检索模型

4.1船期领域的网页文本检索概述

4.2虚拟专业搜索引擎

4.3基于GA-KNN的文本分类

第五章 船期信息获取

5.1基于DOM的船期数据

5.2 HtmlAbilityPack

5.3船期数据获取

第六章 总结与展望

6.1本文总结

6.2下一步工作

致谢

参考文献