| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·论文选题背景及意义 | 第9-10页 |
| ·国内外研究与发展现状 | 第10-13页 |
| ·语料库的研究发展现状 | 第10-11页 |
| ·中文文本分类技术研究现状 | 第11-12页 |
| ·网页消重技术研究现状 | 第12-13页 |
| ·论文的主要研究工作与结构 | 第13-15页 |
| ·主要研究工作 | 第13-14页 |
| ·论文结构 | 第14-15页 |
| 第2章 文本分类语料库自动构建系统原型研究 | 第15-23页 |
| ·文本分类语料库自动构建系统简介 | 第15-17页 |
| ·语料库自动构建系统整体思路 | 第15-16页 |
| ·语料库自动构建系统实现流程及功能 | 第16-17页 |
| ·原型系统实现的相关技术 | 第17-21页 |
| ·网页预处理方法 | 第17-19页 |
| ·网页解析与主题信息提取 | 第19-20页 |
| ·中文分词技术 | 第20-21页 |
| ·原型系统分析及优化思路 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 网页正文抽取方法研究 | 第23-36页 |
| ·网页正文抽取相关技术 | 第23-26页 |
| ·正文抽取相关研究 | 第23-24页 |
| ·主流抽取方法归纳分析 | 第24-26页 |
| ·基于密度特征的抽取方法研究 | 第26-28页 |
| ·文本块及其密度特征 | 第27页 |
| ·抽取方法整体实现思路 | 第27-28页 |
| ·基于密度特征的正文抽取方法技术实现 | 第28-35页 |
| ·网页预处理 | 第28-29页 |
| ·网页解析分块 | 第29-31页 |
| ·构建文本块分类预测模型 | 第31-34页 |
| ·模型检验与分析 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 网页消重技术研究 | 第36-51页 |
| ·网页消重相关技术 | 第36-42页 |
| ·文本表示模型 | 第36-38页 |
| ·文本特征抽取方法 | 第38-40页 |
| ·相似距离(Resemblance Distance) | 第40-42页 |
| ·现有网页消重算法分析 | 第42-44页 |
| ·基于Shingling的网页消重改进方法研究 | 第44-50页 |
| ·基于词性的网页文本表示方法 | 第44-46页 |
| ·相似度计算性能优化 | 第46-48页 |
| ·实验与分析评价 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 语料库构建系统改进的有效性验证 | 第51-55页 |
| ·系统优化技术实现 | 第51-53页 |
| ·系统优化结果验证 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第6章 总结与展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录 | 第61页 |