| 摘要 | 第1-10页 |
| ABSTRACT | 第10-12页 |
| 第一章 绪论 | 第12-16页 |
| ·研究背景及意义 | 第12-13页 |
| ·研究内容 | 第13-14页 |
| ·主要工作 | 第14页 |
| ·本文组织结构 | 第14-16页 |
| 第二章 理解搜索表单和Deep Web爬虫的相关研究 | 第16-26页 |
| ·引言 | 第16页 |
| ·理解搜索表单 | 第16-21页 |
| ·模型化 | 第17-18页 |
| ·解析搜索表单 | 第18页 |
| ·片段处理 | 第18-21页 |
| ·Deep Web网页增量爬取 | 第21-25页 |
| ·Web Fountain Crawler | 第22页 |
| ·Univ.Chile Crawler | 第22-23页 |
| ·天网增量搜集系统 | 第23-24页 |
| ·斯坦福大学领导研究HIWE | 第24页 |
| ·华盛顿大学开发的ShopBot | 第24-25页 |
| ·哥伦比亚大学研究团队研究的“集成的数据库” | 第25页 |
| ·小结 | 第25-26页 |
| 第三章 一种基于机器学习方式组合的理解搜索表单的方法 | 第26-40页 |
| ·引言 | 第26-27页 |
| ·模型化 | 第27-28页 |
| ·表单元素、属性定义 | 第27页 |
| ·属性的逻辑关系 | 第27-28页 |
| ·抽取表单元素和候选描述性标签的特征 | 第28-30页 |
| ·LEX表达式 | 第30-32页 |
| ·构建训练集,建立测试集 | 第32页 |
| ·从候选匹配标签中进行筛选 | 第32-37页 |
| ·第一步的分析 | 第35页 |
| ·第二步的分析 | 第35-37页 |
| ·处理缺失标签、纠正混淆匹配 | 第37-38页 |
| ·性能评估 | 第38-39页 |
| ·小结 | 第39-40页 |
| 第四章 基于URL分类的Deep Web增量爬取 | 第40-52页 |
| ·引言 | 第40-41页 |
| ·基于URL分类的Deep Web增量爬虫 | 第41-49页 |
| ·Deep Web增量爬虫模块 | 第42-44页 |
| ·Deep Web表单的抽取 | 第44-45页 |
| ·列表页面变化频率的计算 | 第45-46页 |
| ·URL抽取器 | 第46页 |
| ·叶子页面变化频率计算器 | 第46-48页 |
| ·Leaf URL缓冲 | 第48-49页 |
| ·性能评估 | 第49-51页 |
| ·小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| ·总结 | 第52-53页 |
| ·展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 攻读学位期间发表的学术论文目录 | 第59-60页 |
| 攻读学位期间参与科研项目情况 | 第60-61页 |
| 学位论文评阅及答辩情况表 | 第61页 |