摘要 | 第1-5页 |
Abstract | 第5-9页 |
第一章 综述 | 第9-29页 |
·Web内容计算和挖掘 | 第11-12页 |
·Web内容挖掘 | 第12-19页 |
·Web信息提取 | 第13-14页 |
·Web数据挖掘 | 第14-15页 |
·Web信息检索 | 第15页 |
·Web文本挖掘 | 第15-18页 |
·Web文本采集与预处理 | 第16-17页 |
·文本的表示模型 | 第17页 |
·文本的特征选择 | 第17-18页 |
·文本分类方法与评价 | 第18页 |
·Web内容挖掘的主要方法 | 第18-19页 |
·Web结构挖掘 | 第19-20页 |
·Web使用挖掘 | 第20页 |
·智能Web服务 | 第20-21页 |
·语义Web与内容计算 | 第21-22页 |
·本文工作内容 | 第22-23页 |
·本论文内容安排 | 第23-25页 |
参考文献 | 第25-29页 |
第二章 基于Web信息提取的增量数据挖掘 | 第29-55页 |
·引言 | 第29-30页 |
·Web信息提取研究的发展 | 第30-32页 |
·Web信息提取的概念 | 第32-33页 |
·Web信息提取模型 | 第33-35页 |
·Web信息提取常用方法 | 第35-40页 |
·Web信息的主要组织方式 | 第35-36页 |
·Web信息提取的方法 | 第36-40页 |
·Web提取信息的特点与挖掘 | 第40页 |
·基于Web信息提取的增量式挖掘与应用 | 第40-50页 |
·从Web页面中提取半结构化的数据 | 第42页 |
·增量FP-Growth算法挖掘关联规则 | 第42-47页 |
·实例应用 | 第47-50页 |
·结语 | 第50-51页 |
参考文献 | 第51-55页 |
第三章 基于句子相关度的Web文档分类 | 第55-77页 |
·概述 | 第55-56页 |
·Web文本挖掘简介 | 第56-63页 |
·Web文本采集与预处理 | 第57-58页 |
·文本的特征表示 | 第58-63页 |
·基于句子相关度的分类方法研究 | 第63-72页 |
·类别语料库 | 第64-65页 |
·句子相关度分类算法 | 第65-67页 |
·句子的类别相关度 | 第67-69页 |
·分类处理 | 第69-70页 |
·实验与结果分析 | 第70-72页 |
·结语 | 第72-74页 |
参考文献 | 第74-77页 |
第四章 基于Web内容的智能服务 | 第77-95页 |
·引言 | 第77-78页 |
·智能Web服务 | 第78-80页 |
·智能Web服务的定义 | 第78页 |
·智能Web服务的框架 | 第78-79页 |
·智能Web服务的研究 | 第79页 |
·智能Web服务的应用 | 第79-80页 |
·一个智能Web比较网站的研究与实现 | 第80-92页 |
·比较网站的结构 | 第80-82页 |
·比较网站的关键技术 | 第82-89页 |
·数据分析与结果发布 | 第89-90页 |
·实验结果和讨论 | 第90-92页 |
·结语 | 第92-93页 |
参考文献 | 第93-95页 |
第五章 WEB内容计算的希望—语义WEB(Semantic Web) | 第95-115页 |
·语义Web定义和体系结构 | 第96-99页 |
·语义Web的几个关键技术 | 第99-109页 |
·XML和XML schema | 第99-102页 |
·RDF--Web数据的语义描述模型 | 第102-105页 |
·RDF概念 | 第102页 |
·RDF数据模型 | 第102-105页 |
·Ontology(本体) | 第105-109页 |
·什么是Ontology | 第105-106页 |
·Ontology研究的意义 | 第106-107页 |
·Ontology当前研究状况 | 第107-109页 |
·Semantic Web在信息获取和内容计算中的应用 | 第109-111页 |
·结语 | 第111-113页 |
参考文献 | 第113-115页 |
第六章 总结和未来工作 | 第115-118页 |
·本文工作总结 | 第115-116页 |
·未来工作 | 第116-118页 |
攻读博士学位期间参与的科研项目及主要成果 | 第118-119页 |
致谢 | 第119页 |