摘要 | 第5-6页 |
Abstract | 第6页 |
第1章 绪论 | 第12-19页 |
1.1 课题背景 | 第12-17页 |
1.1.1 网站无障碍标准 | 第12-13页 |
1.1.2 网页导航栏抽取算法发展 | 第13-15页 |
1.1.3 网页正文抽取算法发展 | 第15-17页 |
1.2 本文的结构和工作 | 第17-18页 |
1.2.1 本文工作 | 第17页 |
1.2.2 本文结构 | 第17-18页 |
1.3 本章小结 | 第18-19页 |
第2章 理论基础和相关技术 | 第19-36页 |
2.1 WCAG 2.0指南 | 第19-20页 |
2.2 HTML与DOM树 | 第20-22页 |
2.2.1 HTML | 第20-21页 |
2.2.2 DOM树 | 第21-22页 |
2.3 网页内容提取 | 第22-31页 |
2.3.1 基于网站Style Tree的网页模板抽取算法 | 第24-26页 |
2.3.2 基于网页DOM树距离度量的模板抽取方法 | 第26-27页 |
2.3.3 基于文本比例的正文抽取方法 | 第27-28页 |
2.3.4 基于标记窗的正文抽取方法 | 第28-30页 |
2.3.5 基于最大子串分割的正文抽取算法 | 第30-31页 |
2.4 聚类算法 | 第31-34页 |
2.4.1 层次聚类 | 第31-33页 |
2.4.2 划分聚类 | 第33-34页 |
2.5 本章小结 | 第34-36页 |
第3章 基于链接文字比例与URL编辑距离的网页导航栏抽取 | 第36-47页 |
3.1 问题描述 | 第36-38页 |
3.2 算法原理 | 第38-39页 |
3.3 算法设计 | 第39-46页 |
3.3.1 链接文字比例 | 第39-40页 |
3.3.2 邻近行编辑距离 | 第40-44页 |
3.3.3 编辑距离变化率 | 第44-45页 |
3.3.4 聚类抽取导航栏 | 第45-46页 |
3.4 本章小结 | 第46-47页 |
第4章 基于标签文字比例与高斯平滑的网页正文抽取 | 第47-56页 |
4.1 问题描述 | 第47-48页 |
4.2 算法原理 | 第48-49页 |
4.3 算法设计 | 第49-55页 |
4.3.1 HTML标签文字比例 | 第49-53页 |
4.3.2 标签文字比例变化率 | 第53-54页 |
4.3.3 阈值以及聚类抽取网页正文 | 第54-55页 |
4.4 本章小结 | 第55-56页 |
第5章 实验及结果分析 | 第56-66页 |
5.1 实验环境和实验数据集准备 | 第56页 |
5.1.1 实验环境 | 第56页 |
5.1.2 实验数据集准备 | 第56页 |
5.2 基于链接文字比例与URL编辑距离的网页导航栏抽取 | 第56-61页 |
5.2.1 实验数据集准备 | 第56-57页 |
5.2.2 实验评价标准 | 第57-58页 |
5.2.3 实验结果与分析 | 第58-61页 |
5.3 基于标签文字比例的网页正文抽取 | 第61-64页 |
5.3.1 实验数据集准备 | 第61页 |
5.3.2 实验评价标准 | 第61页 |
5.3.3 实验结果与分析 | 第61-64页 |
5.4 本章小结 | 第64-66页 |
第6章 总结与展望 | 第66-68页 |
6.1 总结 | 第66-67页 |
6.2 展望 | 第67-68页 |
参考文献 | 第68-72页 |
致谢 | 第72页 |