网页的预处理技术

提要	第1-7页
第一章 引言	第7-8页
第二章 网页正则化	第8-15页
·编码的自动发现	第8-9页
·全角转半角	第9-15页
第三章 网页去重技术	第15-24页
·引言	第15页
·相关工作	第15-17页
·基于SHINGLING 的网页去重算法	第17-21页
·shingle 编码	第18-20页
·网页去重算法描述	第20-21页
·基于随机映射的网页去重算法	第21-23页
·理论基础	第21-22页
·算法描述	第22-23页
·两个算法的比较	第23-24页
第四章 网页去噪技术	第24-33页
·引言	第24页
·相关工作	第24-25页
·算法描述	第25-33页
·一些准备工作	第25-26页
·基于网页结构的噪音去除方法	第26-28页
·基于网页模板的噪音去除方法	第28-30页
·基于可视化信息的去噪算法	第30-33页
第五章 基于主题的网页去噪	第33-40页
·引言	第33页
·算法描述	第33-37页
·训练分类器	第33-34页
·将网页表示为内容块树	第34页
·去除网页噪音	第34-37页
·实验评估	第37-40页
·算法实现	第37页
·实验设置	第37-40页
第六章 总结和展望	第40-41页
参考文献	第41-44页
摘要	第44-47页
ABSTRACT	第47-50页
致谢	第50-51页
导师及作者简介	第51页