基于DOM树的网页相似度研究与应用
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-15页 |
| ·选题背景与研究意义 | 第9-10页 |
| ·研究现状 | 第10-13页 |
| ·基于编辑距离的网页相似度度量方法 | 第11-12页 |
| ·基于链路统计特征的网页相似度度量方法 | 第12页 |
| ·基于结点统计特征的网页相似度度量方法 | 第12-13页 |
| ·论文研究的内容、意义与技术路线 | 第13-15页 |
| 2 网页DOM树解析 | 第15-29页 |
| ·网页DOM树相关概念 | 第15-18页 |
| ·HTML | 第15-16页 |
| ·XML | 第16-17页 |
| ·DOM树 | 第17-18页 |
| ·网页DOM树解析遇到的问题 | 第18-19页 |
| ·HTML信息预处理 | 第19-22页 |
| ·补全标记 | 第19-20页 |
| ·提取标记属性 | 第20页 |
| ·提取脚本和注释信息 | 第20页 |
| ·标记配对 | 第20-22页 |
| ·添加标记对 | 第22页 |
| ·正序解析算法 | 第22-25页 |
| ·预提取数据 | 第22-23页 |
| ·标记配对 | 第23-24页 |
| ·构造树 | 第24-25页 |
| ·逆序解析算法 | 第25-27页 |
| ·标记的识别 | 第25-26页 |
| ·待配对结束标记栈 | 第26页 |
| ·配对与构造树节点 | 第26-27页 |
| ·实验 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 3 基于DOM树的网页结构相似度 | 第29-43页 |
| ·基于子树最优自由匹配的结构相似度度量模型 | 第29-35页 |
| ·相似度的定义 | 第29-30页 |
| ·子树最优自由匹配规则 | 第30页 |
| ·计算步骤 | 第30-32页 |
| ·相似度计算结果比较 | 第32-33页 |
| ·完全相似情况下的计算时间比较 | 第33-34页 |
| ·模型扩展—网页的语义相似性 | 第34-35页 |
| ·基于链路压缩树的网页相似度度量模型 | 第35-42页 |
| ·链路之间的相似度度量 | 第35-36页 |
| ·网页DOM树之间的相似度度量 | 第36页 |
| ·链路压缩树 | 第36-38页 |
| ·链路压缩树的相似度度量 | 第38-39页 |
| ·链路压缩树的构造 | 第39-40页 |
| ·相似度计算结果统计 | 第40-41页 |
| ·完全相似情况下的计算时间比较 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 4 基于DOM树结构相似性的正文信息提取 | 第43-48页 |
| ·相关研究 | 第43-44页 |
| ·基于DOM树结构相似性的正文信息提取 | 第44-45页 |
| ·正文信息在网页中的分布特征 | 第44页 |
| ·树结构的相似性度量 | 第44页 |
| ·正文信息提取 | 第44-45页 |
| ·实验与分析 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 结论 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 攻读硕士学位期间发表学术论文情况 | 第52-53页 |
| 致谢 | 第53-54页 |
