| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第9-15页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·国外研究现状 | 第10-11页 |
| ·国内研究现状 | 第11-12页 |
| ·主要研究工作 | 第12-13页 |
| ·论文的组织结构 | 第13-15页 |
| 第2章 相关概念与技术 | 第15-25页 |
| ·数据挖掘技术 | 第15-16页 |
| ·数据挖掘技术的产生 | 第15页 |
| ·数据挖掘的概念 | 第15-16页 |
| ·相关算法简介 | 第16-23页 |
| ·决策树分类算法 | 第16-18页 |
| ·朴素贝叶斯算法 | 第18-19页 |
| ·粗糙集算法 | 第19-23页 |
| ·本章小结 | 第23-25页 |
| 第3章 网页表单特征分析及提取 | 第25-33页 |
| ·网页表单分类 | 第25页 |
| ·HTML网页表单特征描述 | 第25-26页 |
| ·表单特征分析 | 第26-32页 |
| ·对表单中INPUT控件的value属性值的统计和分析 | 第26-29页 |
| ·对表单中INPUT控件的name属性值的统计和分析 | 第29-30页 |
| ·对表单中“search”语义特征的统计和分析 | 第30-32页 |
| ·表单特征提取方案 | 第32-33页 |
| 第4章 Deep Web数据源识别研究 | 第33-43页 |
| ·引言 | 第33页 |
| ·Deep Web查询接口识别研究总体思路及架构 | 第33页 |
| ·通用搜索引擎 | 第33-36页 |
| ·定义 | 第33-35页 |
| ·工作流程 | 第35-36页 |
| ·Deep Web与通用搜索引擎的关系 | 第36页 |
| ·Deep Web自动识别的难点 | 第36-37页 |
| ·制作贝叶斯分类器 | 第37-38页 |
| ·实验结果与分析 | 第38-43页 |
| ·实验环境 | 第38页 |
| ·Deep Web样本数据的来源 | 第38-39页 |
| ·实验过程 | 第39-41页 |
| ·实验结果分析 | 第41-43页 |
| 第5章 Deep Web数据源分类研究 | 第43-49页 |
| ·引言 | 第43页 |
| ·Deep Web查询接口分类方法研究总体思路及架构 | 第43-44页 |
| ·Deep Web数据源分类研究 | 第43-44页 |
| ·基于粗糙集算法优化的贝叶斯分类器组合 | 第44-46页 |
| ·利用粗糙集算法优化贝叶斯分类器组 | 第44-46页 |
| ·实验结果与分析 | 第46-48页 |
| ·实验环境 | 第46页 |
| ·实验过程 | 第46-47页 |
| ·实验过程 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第6章 总结与展望 | 第49-53页 |
| ·总结 | 第49-50页 |
| ·展望 | 第50-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-59页 |
| 攻读硕士学位期间公开发表的论文 | 第59页 |
