| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-12页 |
| 第1节 问题的提出 | 第9页 |
| 第2节 国内外研究现状 | 第9-10页 |
| 第3节 论文的研究重点 | 第10-11页 |
| 第4节 本论文的主要工作和内容安排 | 第11页 |
| 第5节 本章小结 | 第11-12页 |
| 第2章 基于本体的旅游领域Deep Web 查询接口集成架构 | 第12-19页 |
| 第1节 Deep Web 概述 | 第12-13页 |
| 第2节 本体概述 | 第13-17页 |
| 一、本体定义 | 第13-15页 |
| 二、构建旅游本体 | 第15-17页 |
| 第3节 基于本体的旅游领域的Deep Web 查询接口集成架构 | 第17-18页 |
| 第4节 本章小结 | 第18-19页 |
| 第3章 基于旅游领域Deep Web 数据源发现 | 第19-29页 |
| 第1节 基于领域Deep Web 数据源发现现状 | 第19页 |
| 第2节 旅游领域深度网的入口发现 | 第19-28页 |
| 一、HTML 语言简析 | 第19-21页 |
| 二、查询接口特征抽取 | 第21-23页 |
| 三、DOM 技术 | 第23-27页 |
| 四、实验结果及分析 | 第27-28页 |
| 第3节 本章小结 | 第28-29页 |
| 第4章 Deep Web 数据源的分类 | 第29-50页 |
| 第1节 分类技术简介 | 第29-32页 |
| 第2节 本章涉及的算法简介 | 第32-39页 |
| 一、粒子群优化算法 | 第32-34页 |
| 二、基于支持向量机的分类算法 | 第34-38页 |
| 三、K-means 算法 | 第38-39页 |
| 第3节 Deep Web 数据源分类的实验设计和完成结果 | 第39-49页 |
| 一、Deep Web 数据源的采集、预处理工作 | 第40-41页 |
| 二、我们应用的特征选择算法 | 第41-46页 |
| 三、使用SVC 支持向量机分类深度网查询接口 | 第46-49页 |
| 四、结果分析 | 第49页 |
| 第4节 本章小结 | 第49-50页 |
| 第5章 总结和展望 | 第50-51页 |
| 第1节 总结 | 第50页 |
| 第2节 展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 攻读硕士学位期间发表的论文 | 第54-55页 |
| 致谢 | 第55-57页 |
