| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 1 绪论 | 第9-12页 |
| ·课题的研究背景和意义 | 第9页 |
| ·国内外研究现状 | 第9-11页 |
| ·文本自动分类技术的研究现状 | 第9-10页 |
| ·网页自动分类的研究现状 | 第10-11页 |
| ·本文的主要工作 | 第11页 |
| ·论文的结构安排 | 第11-12页 |
| 2 文本分类理论基础与关键技术 | 第12-21页 |
| ·文本分类概述 | 第12-13页 |
| ·文本表示模型 | 第13-14页 |
| ·文本特征 | 第13页 |
| ·向量空间模型 | 第13-14页 |
| ·文本特征选择 | 第14-17页 |
| ·互信息（MI） | 第14-15页 |
| ·文档频率（DF） | 第15页 |
| ·信息增益（IG） | 第15页 |
| ·χ 2统计（CHI） | 第15-16页 |
| ·交叉熵（Expected Cross Entrophy） | 第16页 |
| ·文本证据权值（Weight of Evidence for Text） | 第16页 |
| ·Fisher 判别式 | 第16-17页 |
| ·文本分类方法 | 第17-19页 |
| ·支持向量机（Support Vector Machine， SVM） | 第17页 |
| ·朴素贝叶斯（Na ve Bayes） | 第17-18页 |
| ·K 最近邻算法（K Nearest Neighbor， KNN） | 第18-19页 |
| ·分类性能评估标准 | 第19-21页 |
| 3 Web 文本的采集与信息抽取 | 第21-38页 |
| ·Web 的基本结构和特点 | 第21-24页 |
| ·Web 的组织结构 | 第21-22页 |
| ·页面信息分析 | 第22-23页 |
| ·Web 文本信息的特点 | 第23-24页 |
| ·网页的噪音 | 第24页 |
| ·Web 信息的采集 | 第24-27页 |
| ·Web 页面采集策略 | 第24-25页 |
| ·多线程处理 | 第25-27页 |
| ·信息抽取 | 第27-30页 |
| ·信息抽取概述 | 第27-29页 |
| ·数据抽取评价指标 | 第29-30页 |
| ·基于 DOM 的信息提取方法 | 第30-38页 |
| ·DOM | 第30-32页 |
| ·HTML 解析 | 第32-36页 |
| ·Web 信息抽取 | 第36-38页 |
| 4 基于改进的决策支持向量机多类分类方法 | 第38-51页 |
| ·文本预处理 | 第38-40页 |
| ·分词 | 第38-39页 |
| ·基于 DF 和 CHI 相结合的特征选取 | 第39-40页 |
| ·支持向量机 | 第40-44页 |
| ·支持向量机原理 | 第40-41页 |
| ·最优化问题 | 第41页 |
| ·二分类问题 | 第41-43页 |
| ·多分类问题 | 第43-44页 |
| ·核函数及选择 | 第44页 |
| ·决策树 | 第44-46页 |
| ·决策树的生成 | 第45页 |
| ·决策树的优缺点 | 第45-46页 |
| ·SVM 和决策树相结合的分类方法 | 第46-48页 |
| ·实现结果分析 | 第48-51页 |
| 5 分类搜索引擎设计 | 第51-56页 |
| ·概述 | 第51页 |
| ·搜索引擎分类 | 第51-52页 |
| ·搜索引擎系统设计 | 第52-53页 |
| ·核心技术 | 第53-55页 |
| ·网络爬虫 | 第53-54页 |
| ·索引系统 | 第54-55页 |
| ·信息抽取 | 第55页 |
| ·文本分类器的设计思想 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 在学研究成果 | 第62-63页 |
| 致谢 | 第63页 |
