| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第14-21页 |
| 1.1 研究背景 | 第14-17页 |
| 1.2 研究意义 | 第17-19页 |
| 1.3 研究目标与内容 | 第19页 |
| 1.4 论文的组织结构 | 第19-21页 |
| 第2章 Web信息自动标引相关研究 | 第21-35页 |
| 2.1 Web信息采集的研究 | 第21-23页 |
| 2.2 Web信息抽取的研究 | 第23-26页 |
| 2.3 自动标引的研究 | 第26-28页 |
| 2.4 众多研究所涉及的算法 | 第28-35页 |
| 第3章 Web构架分析及信息采集 | 第35-41页 |
| 3.1 HTML、XML和DOM | 第35-38页 |
| 3.2 HTML转换为XML | 第38-41页 |
| 第4章 Web信息抽取关键技术：信息块判析 | 第41-47页 |
| 4.1 网页坐标系 | 第41-42页 |
| 4.2 VIPS算法 | 第42-43页 |
| 4.3 网页九宫格 | 第43-44页 |
| 4.4 网页信息去噪技术 | 第44-47页 |
| 第5章 三种类型网站的关键信息块判定 | 第47-68页 |
| 5.1 新闻类站点 | 第48-56页 |
| 5.1.1 网站特点简介 | 第48-49页 |
| 5.1.2 基于不同分割比例的信息块提取实验 | 第49-56页 |
| 5.2 体育类站点 | 第56-62页 |
| 5.2.1 网站特点简介 | 第56页 |
| 5.2.2 基于不同分割比例的信息块提取实验 | 第56-62页 |
| 5.3 科学类网站 | 第62-68页 |
| 5.3.1 网站特点简介 | 第62页 |
| 5.3.2 基于不同分割比例的信息块提取实验 | 第62-68页 |
| 第6章 标引词抽取及实现技术 | 第68-77页 |
| 6.1 标引词 | 第68-69页 |
| 6.1.1 标引词的来源 | 第68-69页 |
| 6.1.2 标引词的评价 | 第69页 |
| 6.2 科学类、新闻类网页标引源权重的探析 | 第69-74页 |
| 6.2.1 网页标引源权重设计 | 第69-70页 |
| 6.2.2 科学类站点网页各标引源表达能力统计与分析 | 第70-73页 |
| 6.2.3 新闻类站点网页各标引源表达能力统计与分析 | 第73-74页 |
| 6.3 自动标引的实现与评价 | 第74-77页 |
| 6.3.1 自动标引实现步骤 | 第74-75页 |
| 6.3.2 实验结果评价 | 第75-77页 |
| 第7章 Web信息自动标引系统设计与实现 | 第77-92页 |
| 7.1 系统开发环境 | 第77页 |
| 7.1.1 系统硬件配置 | 第77页 |
| 7.1.2 系统开发软件环境 | 第77页 |
| 7.2 系统开发工作流程 | 第77-79页 |
| 7.3 系统简介 | 第79-80页 |
| 7.4 系统模块功能介绍 | 第80-88页 |
| 7.4.1 Web页面采集及预处理模块 | 第80-81页 |
| 7.4.2 Web页面数据处理及检验模块 | 第81-85页 |
| 7.4.3 数据浏览模块 | 第85页 |
| 7.4.4 标引模块 | 第85-86页 |
| 7.4.5 标引结果查询模块 | 第86-87页 |
| 7.4.6 参数设置模块 | 第87页 |
| 7.4.7 帮助模块 | 第87-88页 |
| 7.5 系统数据库结构 | 第88-92页 |
| 7.5.1 数据库设计 | 第88-89页 |
| 7.5.2 数据库实现 | 第89-92页 |
| 第8章 总结与展望 | 第92-95页 |
| 8.1 论文工作总结 | 第92-93页 |
| 8.2 工作展望 | 第93-95页 |
| 参考文献 | 第95-104页 |
| 攻读博士学位期间主要研究成果 | 第104-106页 |
| 致谢 | 第106页 |