| 摘要 | 第1-3页 |
| Abstract | 第3-4页 |
| 目录 | 第4-7页 |
| 第一章 绪论 | 第7-17页 |
| 1．1 背景 | 第7-15页 |
| 1．1．1 通用型搜索引擎 | 第7-10页 |
| 1．1．2 主题性搜索引擎 | 第10-14页 |
| 1．1．3 网络蜘蛛 | 第14-15页 |
| 1．2 本文的工作 | 第15页 |
| 1．3 本文的组织 | 第15-17页 |
| 第二章 网络蜘蛛 Web信息提取概述 | 第17-21页 |
| 2．1 网络蜘蛛的基本原理与结构 | 第17-19页 |
| 2．1．1 URL处理器 | 第17-18页 |
| 2．1．2 Web信息提取器 | 第18页 |
| 2．1．3 网页去重检测器 | 第18页 |
| 2．1．4 URL提取器 | 第18页 |
| 2．1．5 标签信息获取器 | 第18-19页 |
| 2．1．6 数据库 | 第19页 |
| 2．2 Web信息提取中的主要技术问题 | 第19-20页 |
| 2．4 本章小结 | 第20-21页 |
| 第三章 面向主题的网络蜘蛛 Web信息提取 | 第21-33页 |
| 3．1 面向主题的Web信息提取的优点 | 第21-22页 |
| 3．2 面向主题的Web信息提取的分类 | 第22-23页 |
| 3．2．1 广泛主题和具体主题的 Web信息提取 | 第22页 |
| 3．2．2 固定主题和可变主题的 Web信息提取 | 第22-23页 |
| 3．3 主题页面在Web上的分布特征 | 第23-24页 |
| 3．3．1 Hub特征 | 第23页 |
| 3．3．2 Linkage/ Sibling Locality特征 | 第23页 |
| 3．3．3 站点主题特征 | 第23-24页 |
| 3．3．4 Tunnel特征 | 第24页 |
| 3．4 相关性判别算法研究 | 第24-31页 |
| 3．4．1 基于元数据的判别 | 第24-25页 |
| 3．4．2 基于链接标签数据的判别 | 第25-26页 |
| 3．4．3 基于链接结构分析的判断 | 第26-29页 |
| 3．4．4 基于页面语义信息的判定 | 第29-31页 |
| 3．5 本章小结 | 第31-33页 |
| 第四章 主题网络蜘蛛搜索策略算法研究 | 第33-49页 |
| 4．1 系统模型 | 第33页 |
| 4．2 主题选择 | 第33-35页 |
| 4．2．1 Web主题分类 | 第33-35页 |
| 4．2．1 主题选择策略 | 第35页 |
| 4．3 Web信息提取 | 第35-38页 |
| 4．3．1 信息提取线程调度策略 | 第35-36页 |
| 4．3．2 页面采集流程 | 第36-37页 |
| 4．3．3 采集数据的组织 | 第37-38页 |
| 4．4 页面分析与过滤 | 第38-39页 |
| 4．4．1 HTML语法分析 | 第38页 |
| 4．4．2 页面主题相关性判断算法 | 第38-39页 |
| 4．5 URL的主题相关性剪枝 EPR算法 | 第39-43页 |
| 4．5．1 EPR算法的目标 | 第39-40页 |
| 4．5．2 EPR算法的产生过程 | 第40-42页 |
| 4．5．3 基于 EPR的 URL主题裁剪算法 | 第42-43页 |
| 4．6 基于索引页的增量搜索策略 | 第43-48页 |
| 4．6．1 增量 Web信息提取概述 | 第44页 |
| 4．6．2 RSS/Atom在增量 Web信息提取中的应用 | 第44-46页 |
| 4．6．3 索引页概念的分析与提出 | 第46-47页 |
| 4．6．3 基于索引页的增量信息提取算法 | 第47-48页 |
| 4．7 本章小结 | 第48-49页 |
| 第五章 实验系统与测试分析 | 第49-53页 |
| 5．1 简述 | 第49-50页 |
| 5．2 系统测试结果 | 第50-53页 |
| 5．2．1 测试页面集的选择 | 第50页 |
| 5．2．2 测试指标 | 第50页 |
| 5．2．3 对 URL主题相关性裁剪算法的测试 | 第50-52页 |
| 5．2．3 基于索引页的增量 Web信息提取算法应用分析 | 第52页 |
| 5．2．4 系统性能测试 | 第52-53页 |
| 第六章 总结与展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57页 |
