| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文的研究内容 | 第13页 |
| 1.4 本文结构 | 第13-15页 |
| 第二章 网站内容多标签标识相关技术 | 第15-26页 |
| 2.1 网站资源获取 | 第15-16页 |
| 2.1.1 下载页面资源 | 第15-16页 |
| 2.1.2 页面资源预处理 | 第16页 |
| 2.1.3 关键信息处理 | 第16页 |
| 2.2 信息的展示方式 | 第16-18页 |
| 2.2.1 空间向量表示法 | 第17-18页 |
| 2.2.2 表、图、树表示法 | 第18页 |
| 2.3 文本分类技术 | 第18-22页 |
| 2.3.1 单标签分类 | 第18-20页 |
| 2.3.2 多标签分类 | 第20-22页 |
| 2.4 标签标识的评价指标 | 第22-24页 |
| 2.4.1 文本分类的衡量指标 | 第22-24页 |
| 2.4.2 网站内容多标签标识系统中其他特有的评价指标 | 第24页 |
| 2.5 网站内容多标签标识的关键技术 | 第24-25页 |
| 2.6 本章总结 | 第25-26页 |
| 第三章 网站信息层次提取 | 第26-39页 |
| 3.1 相关研究现状 | 第26-27页 |
| 3.2 网络资源抓取 | 第27-28页 |
| 3.2.1 爬虫系统 | 第27页 |
| 3.2.2 资源抓取规则 | 第27-28页 |
| 3.3 正文提取 | 第28-30页 |
| 3.4 页面相异度 | 第30-32页 |
| 3.4.1 URL相异度 | 第30-31页 |
| 3.4.2 正文相异度 | 第31-32页 |
| 3.4.3 页面相异度 | 第32页 |
| 3.5 构建四元组集 | 第32-34页 |
| 3.6 实验设置 | 第34-35页 |
| 3.7 实验结果 | 第35-37页 |
| 3.7.1 采用本文算法的实验结果 | 第35-36页 |
| 3.7.2 采用基于站点链接结构的站点主题层次结构抽取算法的结果 | 第36-37页 |
| 3.8 本章小结 | 第37-39页 |
| 第四章 标签库的构建 | 第39-51页 |
| 4.1 相关研究现状 | 第39-43页 |
| 4.1.1 文献分类法 | 第40-42页 |
| 4.1.2 标签分类法 | 第42-43页 |
| 4.2 复合式等级结构 | 第43-49页 |
| 4.2.1 标签库的结构 | 第44-45页 |
| 4.2.2 主题子标签库 | 第45-48页 |
| 4.2.3 其他子标签库 | 第48-49页 |
| 4.3 多标签标识算法 | 第49-50页 |
| 4.3.1 主题子库的一、二级标签标识 | 第49-50页 |
| 4.3.2 主题子库的三级标签标识 | 第50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 多标签标识的实验设计与结果分析 | 第51-57页 |
| 5.1 系统设计目标 | 第51页 |
| 5.2 实验设计 | 第51-52页 |
| 5.2.1 数据来源 | 第51页 |
| 5.2.2 实验数据的获取 | 第51-52页 |
| 5.2.3 试验评价标准 | 第52页 |
| 5.3 实验过程 | 第52-54页 |
| 5.3.1 数据爬取 | 第53页 |
| 5.3.2 信息层次结构提取 | 第53页 |
| 5.3.3 多标签标识 | 第53-54页 |
| 5.4 实验结果 | 第54页 |
| 5.5 实验结果分析 | 第54-57页 |
| 第六章 总结及展望 | 第57-59页 |
| 6.1 论文工作总结 | 第57页 |
| 6.2 后续研究工作 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-63页 |
| 攻读学位期间发表的学术论文目录 | 第63页 |