| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-14页 |
| 1.1 论文研究背景与意义 | 第9页 |
| 1.1.1 论文研究背景 | 第9页 |
| 1.1.2 论文研究意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.3 论文的重点和创新点 | 第12页 |
| 1.4 论文组织结构安排 | 第12-14页 |
| 2 Web信息可信度相关技术和理论分析 | 第14-23页 |
| 2.1 信息可信度评估理论分析 | 第14-15页 |
| 2.2 搜索引擎基本流程与原理 | 第15-17页 |
| 2.3 基于链接分析的算法 | 第17-20页 |
| 2.3.1 PageRank算法 | 第17-18页 |
| 2.3.2 Hilltop算法 | 第18-19页 |
| 2.3.3 HITS算法 | 第19页 |
| 2.3.4 TrustRank算法 | 第19-20页 |
| 2.4 基于内容分析和链接分析的算法 | 第20-22页 |
| 2.4.1 Topic-sensitive PageRank算法 | 第20-21页 |
| 2.4.2 ARC算法 | 第21页 |
| 2.4.3 Average和Sim算法 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 3 网页内容相关可信度计算算法研究 | 第23-39页 |
| 3.1 网页相关度计算算法 | 第23-27页 |
| 3.1.1 向量空间模型概念 | 第23-24页 |
| 3.1.2 词频位置加权排序算法 | 第24-25页 |
| 3.1.3 基于语义模型方法 | 第25-27页 |
| 3.2 基于内容相关度算法的改进研究 | 第27-29页 |
| 3.2.1 传统的内容相关度算法的缺点 | 第27-28页 |
| 3.2.2 本文采用的内容相关度算法 | 第28-29页 |
| 3.3 主题词提取算法改进 | 第29-36页 |
| 3.3.1 主题词提取方法 | 第30-31页 |
| 3.3.2 TextRank算法 | 第31-32页 |
| 3.3.3 结合位置权重的TextRank算法 | 第32-36页 |
| 3.4 相关度计算 | 第36-38页 |
| 3.4.1 相关度计算公式 | 第36-37页 |
| 3.4.2 算法分析 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 4 Web信息可信度计算方法 | 第39-54页 |
| 4.1 Web信息可信度指标体系 | 第39-49页 |
| 4.1.1 Web信息可信度指标分析 | 第39-43页 |
| 4.1.2 搜索引擎可信度评估分析 | 第43-45页 |
| 4.1.3 可信度评估指标体系结构 | 第45-49页 |
| 4.2 Web信息可信度评估流程 | 第49-51页 |
| 4.3 可信度计算方法 | 第51-53页 |
| 4.3.1 可信度计算公式 | 第51页 |
| 4.3.2 指标权重选取方法 | 第51-53页 |
| 4.4 本章小结 | 第53-54页 |
| 5 可信度评估系统设计与实现 | 第54-63页 |
| 5.1 系统设计 | 第54-57页 |
| 5.1.1 实验环境介绍 | 第55页 |
| 5.1.2 系统模块介绍 | 第55-57页 |
| 5.2 实验过程 | 第57-59页 |
| 5.2.1 数据结构设计 | 第57-58页 |
| 5.2.2 主要界面 | 第58-59页 |
| 5.3 实验结果分析 | 第59-62页 |
| 5.4 本章小结 | 第62-63页 |
| 6 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63-64页 |
| 6.2 展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读学位期间主要研究成果 | 第69-70页 |
| 致谢 | 第70页 |