| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-15页 |
| ·研究目的、意义及背景 | 第10-11页 |
| ·国内外研究状况 | 第11-13页 |
| ·信息过滤技术领域 | 第11页 |
| ·Web 信息内容识别和提取领域 | 第11-12页 |
| ·Web 文本分类领域 | 第12-13页 |
| ·论文结构安排 | 第13-15页 |
| 第2章 网络信息过滤相关问题综述 | 第15-20页 |
| ·Web 信息介绍 | 第15-17页 |
| ·Html 语言结构 | 第15-16页 |
| ·文档对象模型（DOM） | 第16-17页 |
| ·信息过滤系统的基本结构 | 第17-18页 |
| ·信息过滤系统的分类 | 第18-19页 |
| ·文本过滤的性能评价 | 第19-20页 |
| 第3章 中文 web 文本过滤关键技术分析 | 第20-35页 |
| ·文本表示模型 | 第20-22页 |
| ·布尔模型(Boolean Model) | 第20-21页 |
| ·概率模型(Probabilistic Model) | 第21页 |
| ·向量空间模型(Vector Space Model,VSM) | 第21-22页 |
| ·文本分类算法 | 第22-25页 |
| ·几种主要的分类算法 | 第23-25页 |
| ·各分类算法比较 | 第25页 |
| ·中文分词技术 | 第25-27页 |
| ·中文分词问题及解决方法 | 第27-28页 |
| ·网页文本特征选择及特征项权重计算方法 | 第28-31页 |
| ·特征提取 | 第28-30页 |
| ·常用权重计算函数 | 第30-31页 |
| ·用户兴趣模型的创建与更新 | 第31-35页 |
| ·用户兴趣需求信息的获取 | 第32页 |
| ·用户兴趣模型的创建 | 第32-33页 |
| ·用户兴趣模型的更新 | 第33-35页 |
| 第4章 中文 web 信息抽取及过滤器研究与设计 | 第35-51页 |
| ·基于HTML 树和内容分析的可适应性信息抽取 | 第35-44页 |
| ·中文web 正文内容抽取方法存在的问题和困难 | 第35-36页 |
| ·基于HTML 树和内容分析的可适应性信息抽取算法 | 第36-43页 |
| ·实验结果与分析 | 第43-44页 |
| ·适用于网页文本的多元信息向量空间的提出 | 第44-49页 |
| ·向量空间模型及其分析 | 第45-46页 |
| ·多元信息向量空间模型过滤器 | 第46-48页 |
| ·实验结果与分析 | 第48-49页 |
| ·本章小结 | 第49-51页 |
| 第5章 中文 web 过滤原型系统的设计及实现 | 第51-62页 |
| ·基于DOM 的网页解析模块 | 第52页 |
| ·分词子模块 | 第52-55页 |
| ·分词处理 | 第52-54页 |
| ·去除停用词 | 第54-55页 |
| ·特征提取与权值计算模块 | 第55-56页 |
| ·用户需求与阈值初始化模块 | 第56-57页 |
| ·过滤匹配模块 | 第57-58页 |
| ·用户反馈模块 | 第58-59页 |
| ·系统实现及结果分析 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 第6章 总结展望 | 第62-63页 |
| ·本文总结 | 第62页 |
| ·未来展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 发表论文和科研情况说明 | 第67-68页 |
| 致谢 | 第68页 |
