| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 基于领域主题的Web信息检索技术研究背景 | 第10页 |
| 1.2 基于领域主题的Web信息检索技术研究状况 | 第10-12页 |
| 1.3 论文的组织结构 | 第12-14页 |
| 第二章 基于领域主题的中文Web搜索引擎关键技术组成 | 第14-34页 |
| 2.1 系统架构 | 第14-18页 |
| 2.1.1 搜索引擎的分类 | 第14-15页 |
| 2.1.2 通用搜索引擎系统架构 | 第15-17页 |
| 2.1.3 通用搜索引擎与基于领域主题的搜索引擎的比较 | 第17-18页 |
| 2.2 中文分词 | 第18-22页 |
| 2.2.1 中文分词和搜索引擎 | 第18页 |
| 2.2.2 中文自动分词的关键问题 | 第18-20页 |
| 2.2.3 分词算法 | 第20-22页 |
| 2.3 聚焦爬虫技术 | 第22-28页 |
| 2.3.1 聚焦爬虫概念及工作原理 | 第22-23页 |
| 2.3.2 聚焦爬虫系统体系结构 | 第23-25页 |
| 2.3.3 抓取目标描述 | 第25-26页 |
| 2.3.4 网页搜索策略 | 第26页 |
| 2.3.5 网页分析算法 | 第26-28页 |
| 2.4 网页排序技术 | 第28-31页 |
| 2.5 中文文本自动分类 | 第31-32页 |
| 2.6 索引和搜索 | 第32-34页 |
| 第三章 站点范围内Web页面主要内容块提取算法 | 第34-42页 |
| 3.1 把Web页面分成块 | 第34-37页 |
| 3.1.1 块的有关定义 | 第34-36页 |
| 3.1.2 块的特征选择 | 第36页 |
| 3.1.3 块的权重计算 | 第36-37页 |
| 3.2 ContentExtractor主要内容块提取算法 | 第37-40页 |
| 3.2.1 算法描述 | 第37-40页 |
| 3.2.2 算法分析 | 第40页 |
| 3.3 测试数据和实验结果 | 第40-42页 |
| 第四章 基于简化贝叶斯网络的文本分类方法 | 第42-48页 |
| 4.1 简化贝叶斯网络模型 | 第42-46页 |
| 4.1.1 贝叶斯网络模型 | 第42-44页 |
| 4.1.2 简化的贝叶斯网络模型 | 第44-45页 |
| 4.1.3 简化的贝叶斯网络模型结构学习算法 | 第45-46页 |
| 4.1.4 算法性能分析 | 第46页 |
| 4.2 利用简化的贝叶斯网络分类器实现文本分类 | 第46-47页 |
| 4.3 测试数据和实验结果 | 第47-48页 |
| 第五章 基于决策树方法的特定主题Web搜索策略 | 第48-58页 |
| 5.1 概述 | 第48-49页 |
| 5.2 Web页面样本的收集 | 第49页 |
| 5.3 Web页面的特征提取 | 第49-50页 |
| 5.4 利用决策树来提取简化关键字布尔表达式 | 第50-55页 |
| 5.5 实验及结果 | 第55-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 总结 | 第58-59页 |
| 6.2 展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士学位期间发表的论文 | 第65-66页 |
| 学位论文评阅及答辩情况表 | 第66页 |
