| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究背景及意义 | 第9-10页 |
| ·搜索引擎系统 | 第10-12页 |
| ·传统的搜索引擎 | 第10-11页 |
| ·高校搜索引擎的现状及问题 | 第11页 |
| ·高校搜索引擎的研究意义 | 第11-12页 |
| ·论文的主要工作 | 第12-13页 |
| ·论文的结构 | 第13-14页 |
| 第二章 相关技术的研究 | 第14-20页 |
| ·网页消重相关技术 | 第14-16页 |
| ·网页表示模型 | 第14页 |
| ·基于分块的网页正文提取 | 第14-15页 |
| ·去除停用词及中文分词 | 第15-16页 |
| ·网页消重算法 | 第16页 |
| ·聚类相关技术 | 第16-20页 |
| ·聚类算法 | 第16-18页 |
| ·网页聚类 | 第18-19页 |
| ·聚类评价方法 | 第19-20页 |
| 第三章 网页预处理方法的研究 | 第20-26页 |
| ·网页的预处理方法 | 第20-23页 |
| ·网页表示模型 | 第20-21页 |
| ·基于分块的网页正文提取 | 第21-22页 |
| ·去除停用词及中文分词 | 第22-23页 |
| ·改进的网页预处理方法 | 第23-26页 |
| 第四章 网页消重算法的研究 | 第26-32页 |
| ·基于关键词匹配和向量空间结合的网页消重算法 | 第26-28页 |
| ·全文分段签名网页消重算法 | 第28-29页 |
| ·改进的全文分段签名网页消重算法 | 第29-32页 |
| 第五章 聚类算法的研究 | 第32-56页 |
| ·K均值聚类算法 | 第32-34页 |
| ·EM Clustering算法 | 第34-37页 |
| ·基于容错粗糙集的聚类算法 | 第37-41页 |
| ·最小-最大超盒聚类算法 | 第41-43页 |
| ·改进的最小-最大超盒聚类算法 | 第43-47页 |
| ·改进的基于容错粗糙集的旋转最小-最大超盒聚类算法 | 第47页 |
| ·聚类的评价方法 | 第47-49页 |
| ·聚类算法的实现 | 第49-56页 |
| ·K均值聚类算法的实现 | 第50页 |
| ·K-mediods算法的实现 | 第50-51页 |
| ·EM Clustering算法的实现 | 第51页 |
| ·基于容错粗糙集的聚类算法的实现 | 第51-52页 |
| ·最小-最大超盒聚类算法的实现 | 第52-53页 |
| ·改进的最小-最大超盒聚类算法 | 第53-54页 |
| ·基于容错粗糙集的旋转最小-最大超盒聚类算法 | 第54-56页 |
| 第六章 网页消重和聚类算法在高校搜索引擎中的应用 | 第56-72页 |
| ·高校搜索引擎系统的设计和部署 | 第56-57页 |
| ·高校搜索引擎的设计 | 第56-57页 |
| ·系统部署 | 第57页 |
| ·高校搜索引擎系统实验数据的采集及预处理 | 第57-60页 |
| ·高校搜索引擎数据的采集 | 第57页 |
| ·网页的预处理 | 第57-60页 |
| ·网页消重算法的实验及结果分析 | 第60-62页 |
| ·网页消重算法的应用实例 | 第60页 |
| ·网页消重算法的结果和评价分析 | 第60-62页 |
| ·聚类算法的实验及结果分析 | 第62-70页 |
| ·K均值聚类算法 | 第62页 |
| ·K-mediods算法 | 第62-63页 |
| ·EM Clustering算法 | 第63-65页 |
| ·基于容错粗糙集的聚类算法 | 第65页 |
| ·最小-最大超盒聚类算法 | 第65-67页 |
| ·改进的最小-最大超盒聚类算法 | 第67-68页 |
| ·基于容错粗糙集的旋转最小-最大超盆聚类算法 | 第68-69页 |
| ·高校搜索引擎的实验结果 | 第69-70页 |
| ·高校搜索引擎系统的评价 | 第70-72页 |
| 第七章 总结和展望 | 第72-74页 |
| ·总结 | 第72-73页 |
| ·展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 攻读学位期间的研究成果目录 | 第78-79页 |
| 致谢 | 第79页 |