| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-19页 |
| 1.1 研究背景与意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8页 |
| 1.1.2 研究意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 主题Web网页的文本内容抽取技术 | 第10-13页 |
| 1.2.2 文本教育资源的切割处理技术 | 第13-14页 |
| 1.3 研究内容与目标 | 第14-17页 |
| 1.3.1 Web教育资源内容切片 | 第15-16页 |
| 1.3.2 主题网页提取算法 | 第16页 |
| 1.3.3 文本切割算法 | 第16-17页 |
| 1.4 本文工作与内容安排 | 第17-19页 |
| 1.4.1 本文主要工作 | 第17-18页 |
| 1.4.2 本文的内容安排 | 第18-19页 |
| 第2章 相关技术介绍 | 第19-38页 |
| 2.1 模式识别算法 | 第19-25页 |
| 2.1.1 文本特征识别 | 第19-20页 |
| 2.1.2 布局特征识别 | 第20-21页 |
| 2.1.3 正则表达式匹配 | 第21-22页 |
| 2.1.4 文本相似度关系 | 第22-25页 |
| 2.2 Web主题网页信息抽取技术 | 第25-29页 |
| 2.2.1 改进的行块分布函数 | 第26-28页 |
| 2.2.2 基于改进的行块分布函数的网页正文抽取技术 | 第28-29页 |
| 2.3 文本分割技术 | 第29-31页 |
| 2.3.1 分割颗粒度 | 第29页 |
| 2.3.2 基于模式识别的文本分割 | 第29-31页 |
| 2.4 隐马尔科夫模型(HMM) | 第31-37页 |
| 2.4.1 隐马尔科夫模型 | 第31-33页 |
| 2.4.2 隐马尔科夫模型的应用 | 第33页 |
| 2.4.3 前向算法和后向算法 | 第33-36页 |
| 2.4.4 ML(Maximum Likelihood)算法 | 第36页 |
| 2.4.5 Viterbi算法 | 第36-37页 |
| 2.5 本章小结 | 第37-38页 |
| 第3章 Web网页内容提取与切割 | 第38-44页 |
| 3.1 引言 | 第38页 |
| 3.2 改进的行块分布函数的多线索Web主题网页内容提取 | 第38-41页 |
| 3.2.1 可利用的线索 | 第38-39页 |
| 3.2.2 Web网页预处理 | 第39-40页 |
| 3.2.3 基于改进行块分布函数的多线索网页内容提取 | 第40-41页 |
| 3.3 基于模式识别的HMM文本切割 | 第41-43页 |
| 3.3.1 基于HMM模型的文本切割 | 第41页 |
| 3.3.2 基于模式识别的HMM文本切割 | 第41-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 Web教育资源主题网页文本提取及切割 | 第44-53页 |
| 4.1 引言 | 第44页 |
| 4.2 Web教案提取与切割 | 第44-47页 |
| 4.2.1 Web教案提取 | 第45-47页 |
| 4.2.2 教案内容切割 | 第47页 |
| 4.3 Web试题内容切割 | 第47-52页 |
| 4.3.1 Web试题网页内容提取 | 第48-50页 |
| 4.3.2 试题内容切割 | 第50-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第5章 实验结果与分析 | 第53-57页 |
| 5.1 实验方案设计 | 第53-54页 |
| 5.1.1 实验数据 | 第53页 |
| 5.1.2 验证方案设计 | 第53-54页 |
| 5.2 教案提取与切割实验结果分析 | 第54-55页 |
| 5.2.1 实验数据集 | 第54页 |
| 5.2.2 实验结果分析 | 第54-55页 |
| 5.3 试题提取切割实验结果分析 | 第55-56页 |
| 5.3.1 实验数据集 | 第55页 |
| 5.3.2 实验结果分析 | 第55-56页 |
| 5.4 本章小结 | 第56-57页 |
| 第6章 总结与展望 | 第57-60页 |
| 6.1 本文工作总结 | 第57-58页 |
| 6.2 本文的主要贡献和创新之处 | 第58页 |
| 6.3 进一步研究工作展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64页 |
