| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| abstract | 第9页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 研究背景 | 第14-15页 |
| 1.2 研究内容 | 第15-17页 |
| 1.2.1 课题来源 | 第15页 |
| 1.2.2 本文研究思路和主要研究内容 | 第15-16页 |
| 1.2.3 内容组织结构 | 第16-17页 |
| 1.3 本章小结 | 第17-18页 |
| 第二章 网页正文抽取相关研究 | 第18-28页 |
| 2.1 相关研究工作概述 | 第18-25页 |
| 2.1.1 国内外研究现状 | 第18-22页 |
| 2.1.2 基于标签特征的网页正文抽取 | 第22-24页 |
| 2.1.3 基于文本密度特征的网页正文抽取 | 第24-25页 |
| 2.2 网页正文抽取评价指标 | 第25-26页 |
| 2.2.1 实验数据预处理 | 第25-26页 |
| 2.2.2 评价指标 | 第26页 |
| 2.3 当前网页正文抽取面临的挑战 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 基于文本块密度的Web新闻内容抽取方法 | 第28-40页 |
| 3.1 概述 | 第28页 |
| 3.2 DOM树 | 第28-30页 |
| 3.3 文本块密度特征 | 第30-35页 |
| 3.3.1 文本块密度特征 | 第30-33页 |
| 3.3.2 扩展文本块密度特征 | 第33-35页 |
| 3.4 基于文本块密度的Web新闻内容抽取方法 | 第35页 |
| 3.5 实验结果与分析 | 第35-39页 |
| 3.5.1 实验数据集及相关对比算法 | 第35-36页 |
| 3.5.2 实验结果分析 | 第36-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第四章 基于文本块密度和标签路径覆盖率的网页正文抽取方法 | 第40-50页 |
| 4.1 概述 | 第40页 |
| 4.2 标签路径和标签路径覆盖率 | 第40-43页 |
| 4.2.1 标签路径 | 第40-42页 |
| 4.2.2 标签路径覆盖率 | 第42-43页 |
| 4.3 文本块密度和标签路径覆盖率特征融合 | 第43-44页 |
| 4.4 基于文本块密度和标签路径覆盖率的网页正文抽取方法 | 第44-46页 |
| 4.4.1 抽取阈值设置 | 第44-46页 |
| 4.4.2 抽取算法 | 第46页 |
| 4.5 实验结果 | 第46-49页 |
| 4.5.1 实验数据集及相关对比算法 | 第46-47页 |
| 4.5.2 实验结果分析 | 第47-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第五章 基于文本块密度和标签路径覆盖率的Web新闻内容抽取原型系统 | 第50-55页 |
| 5.1 概述 | 第50页 |
| 5.2 系统模型 | 第50-51页 |
| 5.3 系统界面 | 第51-53页 |
| 5.4 网页正文抽取算法在实际应用中的优势和不足 | 第53-54页 |
| 5.5 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 本文总结 | 第55-56页 |
| 6.2 展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第61-63页 |
