| 摘要 | 第1-4页 |
| ABSTRACT | 第4-11页 |
| 第一章 引言 | 第11-15页 |
| ·研究背景和意义 | 第11-12页 |
| ·搜索引擎发展概况 | 第12-14页 |
| ·本文的研究内容 | 第14页 |
| ·本文的组织结构 | 第14-15页 |
| 第二章 网页采集 | 第15-29页 |
| ·网页采集原理 | 第15-18页 |
| ·面向主题的网页采集 | 第18-22页 |
| ·面向主题的网页采集程序的特点 | 第18页 |
| ·传统的面向主题的网页采集算法 | 第18-22页 |
| ·基于内容评价的采集程序 | 第19页 |
| ·基于巩固学习的搜索算法 | 第19页 |
| ·PageRank方法 | 第19-20页 |
| ·HITS算法 | 第20-21页 |
| ·各种采集策略的特点 | 第21-22页 |
| ·一种新的采集算法─基于Ontology的网页采集算法 | 第22-29页 |
| ·Ontology的建立 | 第22-23页 |
| ·采集算法 | 第23-26页 |
| ·试验 | 第26-28页 |
| ·传统的基于内容评价的采集程序 | 第26页 |
| ·基于Ontology的采集程序 | 第26-27页 |
| ·数据分析 | 第27-28页 |
| ·结束语 | 第28-29页 |
| 第三章 网页净化 | 第29-50页 |
| ·概述 | 第29-31页 |
| ·几种常见的网页分块方法 | 第31-39页 |
| ·基于 DOM树的分割方法 | 第31-32页 |
| ·ST树 | 第32-34页 |
| ·VIPS(Vision-based Page Segmentation) | 第34-39页 |
| ·网页的基于可视化的内容结构 | 第34-38页 |
| ·VIPS算法描述 | 第38-39页 |
| ·几种网页净化方法 | 第39-42页 |
| ·基于标签树的净化方法 | 第39-40页 |
| ·基于 ST树的净化方法 | 第40-41页 |
| ·基于标签树的净化方法与基于 ST树的净化方法的特点 | 第41-42页 |
| ·一种新的网页净化方法─基于 VIPS的净化算法 | 第42-50页 |
| ·算法描述 | 第42-46页 |
| ·网页净化实例 | 第46-49页 |
| ·小结 | 第49-50页 |
| 第四章 网页分类 | 第50-80页 |
| ·概述 | 第50页 |
| ·特征项选取与文本表示 | 第50-55页 |
| ·文本分词 | 第50-51页 |
| ·特征项提取 | 第51-54页 |
| ·IG(Information gain) | 第51页 |
| ·CHI | 第51-52页 |
| ·文档频率方法 | 第52页 |
| ·互信息(MI) | 第52-53页 |
| ·信息熵 | 第53-54页 |
| ·文本表示 | 第54-55页 |
| ·传统的分类算法 | 第55-63页 |
| ·简单向量距离分类法 | 第55-56页 |
| ·贝叶斯算法 | 第56-57页 |
| ·KNN | 第57-58页 |
| ·KNN算法原理 | 第57页 |
| ·KNN算法的特点 | 第57-58页 |
| ·LSA | 第58-59页 |
| ·LSA原理 | 第58页 |
| ·LSA特点 | 第58-59页 |
| ·支持向量机(SVM) | 第59-60页 |
| ·SVM原理 | 第59-60页 |
| ·SVM特点 | 第60页 |
| ·试验 | 第60-63页 |
| ·一种新的文本分类算法─基于 Ontology的web文本分类法 | 第63-71页 |
| ·引言 | 第63页 |
| ·基于Ontology的Web文本分类 | 第63-64页 |
| ·“知网”简介 | 第63-64页 |
| ·将“知网”转化为Ontology | 第64页 |
| ·基于ontology的分类算法 | 第64-67页 |
| ·确定分类体系 | 第64页 |
| ·建立每个类的 Ontology | 第64-65页 |
| ·计算 T_On中各个概念与中心点的相关度 | 第65-66页 |
| ·基于Ontology的分类算法 | 第66-67页 |
| ·试验 | 第67-70页 |
| ·KNN分类法 | 第67-68页 |
| ·基于Ontology的分类法 | 第68-70页 |
| ·数据比较与分析 | 第70页 |
| ·结束语 | 第70-71页 |
| ·LSA的新应用──多层次分类 | 第71-80页 |
| ·概述 | 第71页 |
| ·多层次Web文本分类方法 | 第71-73页 |
| ·特征项的选取 | 第71-72页 |
| ·特征项权重的计算 | 第72-73页 |
| ·基于 LSA理论的多层次web分类 | 第73-75页 |
| ·LSA理论 | 第73页 |
| ·定义 LS空间 | 第73-74页 |
| ·建立多层次类模型 | 第74页 |
| ·web文本分类算法 | 第74-75页 |
| ·实验 | 第75-79页 |
| ·实验步骤 | 第75-76页 |
| ·实验数据 | 第76-79页 |
| ·结束语 | 第79-80页 |
| 第五章 总结和展望 | 第80-81页 |
| 参考文献 | 第81-87页 |
| 附录 1──部分程序代码 | 第87-100页 |
| 附录 2──已发表的论文 | 第100-101页 |
| 致谢 | 第101-102页 |
