基于模型匹配的Deep Web数据库分类
| 提要 | 第1-7页 |
| 第1章 绪论 | 第7-12页 |
| ·论文的研究背景及意义 | 第7-8页 |
| ·国内外研究现状 | 第8-11页 |
| ·论文结构 | 第11-12页 |
| 第2章 Deep Web概述 | 第12-24页 |
| ·Deep Web产生与发展 | 第12-17页 |
| ·Deep Web定义 | 第12-13页 |
| ·Deep Web产生 | 第13-14页 |
| ·Deep Web发展趋势 | 第14-17页 |
| ·Deep Web数据集成 | 第17-20页 |
| ·集成查询接口生成模块 | 第18-19页 |
| ·查询处理模块 | 第19-20页 |
| ·查询结果处理模块 | 第20页 |
| ·Deep Web分类技术 | 第20-24页 |
| ·Deep Web分类的必要性 | 第20-21页 |
| ·Pre-query分类方法 | 第21-22页 |
| ·Post-query分类方法 | 第22页 |
| ·目前各种Deep Web分类方法的优缺点 | 第22-24页 |
| 第3章 基于模型匹配的Deep Web分类 | 第24-37页 |
| ·问题描述 | 第24页 |
| ·接口信息自动抽取 | 第24-30页 |
| ·Web网页描述 | 第24-25页 |
| ·Deep Web接口分析 | 第25-27页 |
| ·Deep Web接口信息抽取的理论基础 | 第27-28页 |
| ·Deep Web接口信息自动抽取算法 | 第28-30页 |
| ·构建接口分类模型 | 第30-34页 |
| ·特征词抽取 | 第30页 |
| ·向量空间模型 | 第30-33页 |
| ·构建向量空间模型 | 第33-34页 |
| ·Deep Web数据库自动分类 | 第34-37页 |
| ·分类原理 | 第34-35页 |
| ·向量相似度计算 | 第35-36页 |
| ·Deep Web数据库自动分类算法 | 第36-37页 |
| 第4章 实验与结果分析 | 第37-44页 |
| ·实验概述 | 第37页 |
| ·评价标准 | 第37-38页 |
| ·实验设计 | 第38-42页 |
| ·实现平台 | 第38页 |
| ·爬虫设计 | 第38-39页 |
| ·实验数据 | 第39-40页 |
| ·实验与结果 | 第40-42页 |
| ·实验分析 | 第42-44页 |
| 第5章 总结与展望 | 第44-46页 |
| ·总结 | 第44页 |
| ·展望 | 第44-46页 |
| 参考文献 | 第46-49页 |
| 致谢 | 第49-50页 |
| 攻读硕士期间研究成果 | 第50-51页 |
| 摘要 | 第51-54页 |
| Abstract | 第54-57页 |
