| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究的背景和意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·本文主要研究内容 | 第11-12页 |
| ·论文的组织结构 | 第12-14页 |
| 第二章 Deep Web数据源发现研究 | 第14-21页 |
| ·通用搜索引擎概述 | 第14-16页 |
| ·通用搜索引擎的定义和类别 | 第14-15页 |
| ·通用搜索引擎的基本工作流程 | 第15-16页 |
| ·Deep Web与通用搜索引擎 | 第16页 |
| ·Deep Web数据源发现的重要性 | 第16页 |
| ·Deep Web数据源发现存在的难点 | 第16-17页 |
| ·本文所采用的方法 | 第17页 |
| ·Deep Web数据集成介绍 | 第17-20页 |
| ·Deep Web数据集成的意义 | 第17-18页 |
| ·Deep Web数据集成框架 | 第18-20页 |
| ·Deep Web数据源发现与分类整体框架 | 第20-21页 |
| 第三章 分析处理网页中的URL | 第21-24页 |
| ·URL的定义与基本构成 | 第21-22页 |
| ·URL处理分析 | 第22页 |
| ·URL处理规则 | 第22-24页 |
| 第四章 Deep Web查询接口的判定 | 第24-40页 |
| ·查询接口判定的相关研究工作 | 第24页 |
| ·Deep Web查询接口判定的难点 | 第24-25页 |
| ·查询接口判定方法 | 第25-29页 |
| ·网页表单分类 | 第25页 |
| ·Html网页单特征描述 | 第25-26页 |
| ·网页表单特征提取 | 第26-28页 |
| ·网页表单启发式规则分析研究 | 第28-29页 |
| ·训练Adaboost-Naive Bayes分类器 | 第29-33页 |
| ·朴素贝叶斯分类 | 第29页 |
| ·朴素贝叶斯分类的原理 | 第29-32页 |
| ·采用Adaboost算法提高朴素贝叶斯分类器的性能 | 第32-33页 |
| ·实验结果及分析 | 第33-39页 |
| ·实验所用样本数据来源 | 第33-36页 |
| ·实验过程 | 第36-37页 |
| ·结果分析 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第五章 Deep Web数据源分类 | 第40-51页 |
| ·Deep Web数据源分类相关研究 | 第40-41页 |
| ·决策树算法的原理 | 第41-43页 |
| ·ID3与C4.5相结合的分类算法 | 第43-46页 |
| ·实验结果与分析 | 第46-50页 |
| ·实验过程 | 第46-48页 |
| ·结果分析 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第六章 总结与展望 | 第51-53页 |
| ·总结 | 第51-52页 |
| ·展望 | 第52-53页 |
| 参考文献 | 第53-58页 |
| 致谢 | 第58-59页 |
| 附录一 本文对应图表 | 第59-60页 |
| 攻读硕士学位期间发表的论文 | 第60-61页 |
| 作者简介 | 第61页 |