| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 动态Web广告获取研究现状 | 第9-12页 |
| 1.2.1 动态页面解析技术研究现状 | 第9-11页 |
| 1.2.2 Web页面分块研究现状 | 第11-12页 |
| 1.2.3 国内外研究现状总结 | 第12页 |
| 1.3 课题研究内容 | 第12-13页 |
| 1.4 本文的组织结构 | 第13-14页 |
| 第2章 动态WEB广告获取的相关知识 | 第14-24页 |
| 2.1 动态页面解析技术 | 第14-18页 |
| 2.1.1 Javascript介绍 | 第14-15页 |
| 2.1.2 Javascript解析引擎概况 | 第15页 |
| 2.1.3 Spider Monkey介绍 | 第15-16页 |
| 2.1.4 Rhino介绍 | 第16-17页 |
| 2.1.5 文档对象模型 | 第17-18页 |
| 2.2 页面分块技术 | 第18-19页 |
| 2.3 Web广告的相关知识以及投放技术 | 第19-22页 |
| 2.3.1 Web广告 | 第20页 |
| 2.3.2 Web广告的投放策略 | 第20-22页 |
| 2.4 评价指标及分析 | 第22页 |
| 2.5 本章小结 | 第22-24页 |
| 第3章 基于DOM树构建的JAVASCRIPT解析算法 | 第24-35页 |
| 3.1 DOM树构建算法 | 第24-27页 |
| 3.1.1 DOM无效节点分析 | 第24-25页 |
| 3.1.2 基于DFA的DOM树构建过程 | 第25-27页 |
| 3.2 动态脚本Javascript解析方法 | 第27-30页 |
| 3.2.1 需要映射的DOM对象分析 | 第28页 |
| 3.2.2 基于Rhino改进的解析引擎 | 第28-30页 |
| 3.3 基于DOM树构建的动态页面解析效率分析 | 第30-31页 |
| 3.4 实验环境与数据准备 | 第31页 |
| 3.5 动态页面解析实验与分析 | 第31-34页 |
| 3.5.1 基于DOM树构建的动态页面解析算法实验 | 第31-32页 |
| 3.5.2 基于DOM树构建的动态页面解析算法的对比实验 | 第32-34页 |
| 3.6 本章小结 | 第34-35页 |
| 第4章 基于页面块分类的WEB广告定位算法 | 第35-47页 |
| 4.1 一种基于连通分量的页面分块方法 | 第35-39页 |
| 4.1.1 基本概念介绍 | 第35-36页 |
| 4.1.2 节点距离公式 | 第36-38页 |
| 4.1.3 算法核心思想介绍 | 第38-39页 |
| 4.2 基于页面块分类的广告资源定位算法 | 第39-42页 |
| 4.2.1 广告资源定位算法的特征 | 第40-41页 |
| 4.2.2 分类算法用于广告分类的过程 | 第41-42页 |
| 4.3 实验环境与数据准备 | 第42页 |
| 4.4 Web广告资源定位实验与分析 | 第42-46页 |
| 4.4.1 各分类算法的对比实验 | 第43-44页 |
| 4.4.2 基于决策树分类的广告资源定位算法实验 | 第44-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第5章 动态WEB广告智能获取系统 | 第47-54页 |
| 5.1 系统功能与开发环境 | 第47-48页 |
| 5.2 系统总体设计 | 第48-49页 |
| 5.3 系统模块详细设计 | 第49-52页 |
| 5.3.1 Javascript 解析模块设计 | 第49-51页 |
| 5.3.2 广告定位模块设计 | 第51-52页 |
| 5.4 系统展示 | 第52-53页 |
| 5.5 本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-61页 |
| 致谢 | 第61页 |
