| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪言 | 第9-15页 |
| ·基于主题的Web信息采集研究的产生背景 | 第9-10页 |
| ·基于主题的Web信息采集的研究与应用现状 | 第10-12页 |
| ·国外现状 | 第10-11页 |
| ·国内现状 | 第11-12页 |
| ·本课题未来的应用 | 第12页 |
| ·本课题的主要研究内容 | 第12-13页 |
| ·本课题的开展的步骤 | 第13页 |
| ·论文的结构 | 第13-15页 |
| 第二章 相关标准 | 第15-23页 |
| ·HTML (Hyper Text Markup Language) | 第15-16页 |
| ·HTML标签 | 第16-23页 |
| 第三章 相关技术综述 | 第23-35页 |
| ·Bot技术 | 第23-24页 |
| ·网络机器人的结构分析 | 第23页 |
| ·使用Bot包解析HTML | 第23-24页 |
| ·使用Bot包下载所需网页内容 | 第24页 |
| ·小节 | 第24页 |
| ·HTMLParser技术 | 第24-28页 |
| ·HTMLParser使用方法简介 | 第24-28页 |
| ·提出问题 | 第24-25页 |
| ·分析问题 | 第25-26页 |
| ·解决问题 | 第26-28页 |
| ·中文切分词机制 | 第28-35页 |
| ·什么是中文分词 | 第28-29页 |
| ·中文分词和搜索引擎 | 第29-30页 |
| ·中文分词技术 | 第30-32页 |
| ·分词中的难题 | 第32-33页 |
| ·中文分词的应用 | 第33-35页 |
| 第四章 基于主题的信息采集分类资源管理平台 | 第35-38页 |
| ·总体框架 | 第35-36页 |
| ·各部分的功能 | 第36-38页 |
| ·采集部分 | 第36-37页 |
| ·提取文档集向量部分 | 第37页 |
| ·网页分类部分 | 第37页 |
| ·检验网页抽取内容部分 | 第37-38页 |
| 第五章 基于改进的Bot包的网页采集 | 第38-51页 |
| ·网络机器人的结构分析 | 第38页 |
| ·如何解析HTML | 第38-39页 |
| ·Spider程序结构 | 第39-40页 |
| ·如何构造Spider程序 | 第40-42页 |
| ·如何提高程序性能 | 第42-43页 |
| ·采集网页程序实现操作过程 | 第43-44页 |
| ·如何修改Bot包 | 第44-48页 |
| ·提取锚文本 | 第44-48页 |
| ·添加父网页的url用途 | 第45-46页 |
| ·添加父网页的url方法 | 第46-48页 |
| ·记录网页等信息的存放地址的方法 | 第48页 |
| ·提取有效的可以处理的网页 | 第48-51页 |
| 第六章 VSM网页分类 | 第51-87页 |
| ·提取文档集向量 | 第51-53页 |
| ·向量空间模型(VSM) | 第51页 |
| ·向量空间模型(VSM)概念 | 第51-52页 |
| ·向量空间模型(VSM)概念描述 | 第52-53页 |
| ·文档集的向量 | 第53页 |
| ·提取文档集向量程序的实现 | 第53-69页 |
| ·提取文档集向量的程序操作说明 | 第54-55页 |
| ·提取文档集向量的程序功能说明 | 第55-57页 |
| ·提取文档集向量的函数train()说明 | 第57-60页 |
| ·读取文件的函数readInput()说明 | 第60页 |
| ·抽取中英文信息的函数extractEnglishSubstring()和extractChineseSubString()说明 | 第60-63页 |
| ·中文分词的说明 | 第63-66页 |
| ·添加临时特征项到最终特征项的函数addWorkString()的说明 | 第66-67页 |
| ·添加最终特征项数据库的函数storeToDatabase()和有关数据库的说明 | 第67-68页 |
| ·小结 | 第68-69页 |
| ·网页分类 | 第69-84页 |
| ·网页分类流程 | 第69-70页 |
| ·网页分类程序的实现 | 第70-73页 |
| ·网页分类中获取锚文本、title文本和keywords文本的程序说明 | 第73-80页 |
| ·网页分类中获取锚文本的程序说明 | 第73-76页 |
| ·网页分类中获取有关文木前对网页预处理的程序说明 | 第76-77页 |
| ·网页分类中获取title文本的程序说明 | 第77-78页 |
| ·网页分类中获取keywords文本的程序说明 | 第78-80页 |
| ·网页分类中获取主文本的程序说明 | 第80-83页 |
| ·网页分类中锚文本、title文本和keywords文本特征项提取的程序说明 | 第83-84页 |
| ·VSM网页分类程序说明 | 第84页 |
| ·检验网页抽取内容程序的实现 | 第84-85页 |
| ·实验数据 | 第85-87页 |
| 第七章 总结与展望 | 第87-90页 |
| 致谢 | 第90-91页 |
| 参考文献 | 第91-95页 |
| 附录：攻读学位期间发表论文情况 | 第95页 |
