| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-17页 |
| ·论文研究背景 | 第10-14页 |
| ·Web信息采集的研究现状 | 第10-12页 |
| ·传统Web信息采集存在的问题 | 第12-13页 |
| ·基于主题的Web信息采集的优点 | 第13-14页 |
| ·研究内容 | 第14-15页 |
| ·本文结构 | 第15-17页 |
| 第2章 基于语义分析的主题Web信息采集模型 | 第17-26页 |
| ·基于主题的Web信息采集的基本原理 | 第17-18页 |
| ·主题页面在Web上的分布特征 | 第18-20页 |
| ·基于语义分析的主题信息采集系统模型 | 第20-22页 |
| ·主题选择策略 | 第22-24页 |
| ·本体的定义 | 第22-23页 |
| ·本体的作用与分类 | 第23页 |
| ·传统的主题选择策略 | 第23-24页 |
| ·基于本体的主题选择策略 | 第24页 |
| ·链接预测及页面判定策略 | 第24-26页 |
| ·链接预测策略 | 第24-25页 |
| ·页面判定策略 | 第25-26页 |
| 第3章 语义分析技术 | 第26-35页 |
| ·中国知网 | 第26-28页 |
| ·知网的结构 | 第26-27页 |
| ·知网的知识描述语言 | 第27-28页 |
| ·基于知网的语义相关度计算 | 第28-32页 |
| ·相关度的概念 | 第28-29页 |
| ·相关度计算原理及基于语义的词义消岐算法 | 第29-32页 |
| ·基于知网的词语相似度计算 | 第32-33页 |
| ·词语相似度的定义 | 第32页 |
| ·基于知网的词语相似度计算 | 第32页 |
| ·义原相似度 | 第32-33页 |
| ·基于知网的词语义项集和义原集的提取算法 | 第33-35页 |
| ·主题特征向量及义原集的获取 | 第33-34页 |
| ·扩展元数据及页面标题义项集及义原集的获取 | 第34-35页 |
| 第4章 链接与主题相关性判定算法研究 | 第35-51页 |
| ·利用元数据的判定原理 | 第35-36页 |
| ·根据扩展元数据的判定 | 第36-38页 |
| ·基本概念 | 第36页 |
| ·HTML扩展元数据 | 第36-37页 |
| ·传统的基于扩展元数据的判定算法 | 第37-38页 |
| ·根据页面间链接分析的判断 | 第38-43页 |
| ·PageRank算法简介 | 第39-40页 |
| ·PageRank算法分析 | 第40页 |
| ·PageRank算法改进 | 第40-43页 |
| ·基于语义分析的链接与主题相关性判定算法-KPageRank | 第43-51页 |
| ·KPageRank算法 | 第43-46页 |
| ·基于语义的链接与主题的相似度计算-SimK(url) | 第46-47页 |
| ·扩展元数据与主题的相似度计算 | 第47-48页 |
| ·基于语义的页面标题与链接的集合与主题的相似度计算 | 第48-50页 |
| ·基于语义的页面与主题的相似度计算--Simk(A) | 第50-51页 |
| 第5章 页面与主题相关性判定算法研究 | 第51-55页 |
| ·向量空间模型 | 第51-52页 |
| ·基于语义的页面与主题的相关性判定算法 | 第52-55页 |
| ·页面标题的获取 | 第53页 |
| ·页面与主题的相关性判定算法 | 第53-55页 |
| 第6章 系统模型实现及测试 | 第55-65页 |
| ·Heritrix简介 | 第55-59页 |
| ·Heritrix架构设计分析 | 第55-57页 |
| ·Heritrix在主题信息采集模型中的应用 | 第57-59页 |
| ·算法实现 | 第59-60页 |
| ·实验 | 第60-65页 |
| ·算法空间及时间复杂度分析 | 第61-62页 |
| ·算法运行结果比对 | 第62-65页 |
| 第7章 总结与展望 | 第65-67页 |
| ·本文完成的主要研究及创新点 | 第65页 |
| ·进一步的研究工作 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-71页 |
| 攻读硕士学位期间发表的论文和参加科研项目情况 | 第71页 |
