中文重复网页的检测算法研究

摘要	第1-5页
Abstract	第5-8页
第一章 引言	第8-15页
·互联网发展现状	第8页
·搜索引擎简介	第8-12页
·搜索引擎简介	第9-11页
·提高搜索引擎检索效率的几种策略	第11-12页
·网页去重的应用前景	第12-13页
·本文的主要内容和组织	第13-15页
第二章 重复网页检测算法研究现状	第15-27页
·重复网页检测概述	第15-16页
·重复网页检测算法研究现状	第16-21页
·基于内容的重复网页检测	第16-20页
·基于链接的重复网页检测	第20页
·基于链接信息的重复网页检测	第20-21页
·几种重复网页检测方法的比较	第21页
·重复网页检测相关技术	第21-26页
·网页解析	第21页
·网页文本分词	第21-22页
·网页文本表示及特征选择	第22-25页
·网页相似度比较	第25-26页
·本章小结	第26-27页
第三章 中文重复网页的改进检测算法研究	第27-33页
·DSC算法模型	第27-28页
·改进中文重复网页检测算法总体设计	第28-30页
·改进中文重复网页检测算法详细设计	第30-32页
·本章小结	第32-33页
第四章 实验设计及结果分析	第33-44页
·实验环境	第33页
·实验步骤	第33-39页
·网页解析及纯文本提取	第33-35页
·网页文本的中文分词	第35-38页
·网页向量空间表示及相似度计算	第38-39页
·实验结果分析	第39-43页
·本章小结	第43-44页
第五章 总结和展望	第44-46页
·本文总结	第44页
·未来工作展望	第44-46页
参考文献	第46-49页
附录 实验核心代码	第49-62页
致谢	第62-63页
攻读学位期间发表的学术论文目录	第63页