| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 引言 | 第9-15页 |
| ·课题来源 | 第9页 |
| ·选题背景和意义 | 第9-11页 |
| ·国内外相关研究工作 | 第11-12页 |
| ·研究内容和组织结构 | 第12-15页 |
| ·研究内容 | 第12-13页 |
| ·论文结构 | 第13-15页 |
| 第二章 正文抽取技术 | 第15-24页 |
| ·正文抽取的难点与目标 | 第15-16页 |
| ·正文的界定 | 第16-18页 |
| ·现有正文抽取方法 | 第18-22页 |
| ·基于模板的抽取方法 | 第18-20页 |
| ·基于视觉特征的抽取方法 | 第20页 |
| ·基于本体论的抽取方法 | 第20-21页 |
| ·基于统计的抽取方法 | 第21-22页 |
| ·现有方法综合评价 | 第22-23页 |
| ·WEB 正文抽取技术的发展方向 | 第23-24页 |
| 第三章 SCF 方法的研究 | 第24-34页 |
| ·算法总体思想 | 第24-26页 |
| ·构造网页 DOM 树 | 第26页 |
| ·挖掘正文区域及子树主干 | 第26-31页 |
| ·获取正文路径 | 第27-30页 |
| ·挖掘正文区域及子树主干 | 第30-31页 |
| ·获取相对正文子树算法 | 第31-33页 |
| ·剪枝及抽取方法 | 第33-34页 |
| 第四章 系统实现 | 第34-46页 |
| ·设计目标 | 第34-35页 |
| ·系统总体框架 | 第35-37页 |
| ·页面优化处理 | 第37-40页 |
| ·规范HTML 文档 | 第37-38页 |
| ·文档对象模型 | 第38-40页 |
| ·规则学习 | 第40-42页 |
| ·抽取 | 第42-46页 |
| ·抽取正文 | 第42-43页 |
| ·存储 | 第43-46页 |
| 第五章 实验与验证 | 第46-54页 |
| ·系统环境 | 第46-47页 |
| ·试验环境验证 | 第47-50页 |
| ·实验结果与分析 | 第50-53页 |
| ·小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| ·本文的工作总结 | 第54页 |
| ·下一步工作展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 附录 A（攻读硕士学位期间参与的科研项目和研究成果） | 第60页 |