网页信息智能采集与分类的研究与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究的背景和意义 | 第9-10页 |
| 1.2 国内外的研究现状 | 第10-13页 |
| 1.2.1 Web 信息抽取技术的研究现状 | 第10-12页 |
| 1.2.2 Web 文本分类技术的研究现状 | 第12-13页 |
| 1.3 本文的主要研究内容 | 第13页 |
| 1.4 本文的组织结构 | 第13-15页 |
| 第二章 相关技术的研究 | 第15-31页 |
| 2.1 Web 信息抽取技术 | 第15-17页 |
| 2.1.1 Web 信息抽取的概念 | 第15页 |
| 2.1.2 Htmlparse 解析器 | 第15-17页 |
| 2.1.2.1 解析器的概述及原理 | 第15-16页 |
| 2.1.2.2 解析器的使用 | 第16-17页 |
| 2.2 信息处理相关技术 | 第17-22页 |
| 2.2.1 正则表达式技术 | 第17-18页 |
| 2.2.1.1 正则表达式的概述 | 第17页 |
| 2.2.1.2 Java 正则表达式 | 第17-18页 |
| 2.2.2 字符编码技术 | 第18-20页 |
| 2.2.2.1 字符编码定义 | 第18页 |
| 2.2.2.2 字符集与字符编码 | 第18-19页 |
| 2.2.2.3 Java 字符编码原理 | 第19-20页 |
| 2.2.3 网页去重技术 | 第20-22页 |
| 2.2.3.1 基于网页自身的网页去重 | 第20-21页 |
| 2.2.3.2 网页结构去重 | 第21页 |
| 2.2.3.3 网页特征去重 | 第21-22页 |
| 2.3 中文文本分类技术 | 第22-29页 |
| 2.3.1 中文分词 | 第22-24页 |
| 2.3.2 文本的特征表示 | 第24-25页 |
| 2.3.3 文本特征提取 | 第25-26页 |
| 2.3.4 文本分类算法 | 第26-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第三章 网页信息智能采集的研究 | 第31-43页 |
| 3.1 信息采集技术研究与实现 | 第31-41页 |
| 3.1.1 多线程网络爬虫的设计与实现 | 第31-35页 |
| 3.1.1.1 网络爬虫的遍历 | 第31-34页 |
| 3.1.1.2 网络爬虫的设计 | 第34-35页 |
| 3.1.2 基于规则模板的信息抽取技术及实现 | 第35-38页 |
| 3.1.3 信息采集的流程及配置 | 第38-39页 |
| 3.1.4 主要类和方法介绍 | 第39-40页 |
| 3.1.5 实验结果集分析 | 第40-41页 |
| 3.2 信息处理技术的研究与实现 | 第41-42页 |
| 3.3 本章小结 | 第42-43页 |
| 第四章 信息分类的研究 | 第43-59页 |
| 4.1 文本分类体系的构建 | 第43-44页 |
| 4.2 中文分词模块设计 | 第44-46页 |
| 4.3 特征向量提取模块实现 | 第46-50页 |
| 4.4 训练语料库模块实现 | 第50-52页 |
| 4.5 分类模块设计 | 第52-57页 |
| 4.5.1 几种典型的分类算法 | 第52-54页 |
| 4.5.2 支持向量机算法实现分类模块 | 第54-57页 |
| 4.6 系统开发环境配置 | 第57页 |
| 4.7 本章小结 | 第57-59页 |
| 第五章 信息采集与分类系统的设计与实现 | 第59-73页 |
| 5.1 系统总体结构设计 | 第59-60页 |
| 5.2 系统数据库设计 | 第60-65页 |
| 5.3 系统主要模块设计 | 第65-72页 |
| 5.3.1 用户权限管理模块 | 第65-66页 |
| 5.3.2 信息采集模块 | 第66-69页 |
| 5.3.3 信息分类模块 | 第69-72页 |
| 5.4 本章小结 | 第72-73页 |
| 第六章 结论 | 第73-75页 |
| 6.1 总结 | 第73页 |
| 6.2 展望 | 第73-75页 |
| 参考文献 | 第75-77页 |
| 攻读硕士学位期间所取得的相关科研成果 | 第77-79页 |
| 致谢 | 第79页 |
