| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 目录 | 第10-13页 |
| 第一章 绪论 | 第13-21页 |
| ·引言 | 第13-14页 |
| ·存在的问题和研究方向 | 第14-15页 |
| ·本文的研究意义 | 第15-16页 |
| ·本文的主要工作 | 第16-19页 |
| ·本文的组织结构 | 第19-21页 |
| 第二章 目标网页语义标注 | 第21-57页 |
| ·引言 | 第21页 |
| ·基于站点样式树和多特征融合的主题区域提取算法 | 第21-34页 |
| ·主题区域提取的研究背景 | 第21-24页 |
| ·站点样式树构造和候选主题区域提取算法 | 第24-27页 |
| ·候选区域特征提取 | 第27页 |
| ·训练分类器 | 第27-29页 |
| ·多特征融合 | 第29-30页 |
| ·主题区域提取 | 第30页 |
| ·实验分析 | 第30-34页 |
| ·基于神经网络的网页关键词抽取 | 第34-46页 |
| ·研究现状与相关工作 | 第35-36页 |
| ·问题的提出 | 第36-39页 |
| ·网页关键词提取的神经网络建模 | 第39-43页 |
| ·实验分析 | 第43-46页 |
| ·基于概率主题模型的网页主题分类 | 第46-56页 |
| ·问题的提出 | 第46-47页 |
| ·问题形式化 | 第47-49页 |
| ·概率主题模型 | 第49-52页 |
| ·基于LDA的主题提取算法 | 第52-53页 |
| ·实验分析 | 第53-56页 |
| ·小结 | 第56-57页 |
| 第三章 基于网页内容的网页广告排序 | 第57-93页 |
| ·引言 | 第57-58页 |
| ·基于网页内容的网页广告排序算法形式化 | 第58-62页 |
| ·网页广告定义及数据结构 | 第58-59页 |
| ·基于网页内容的网页广告排序算法形式化 | 第59页 |
| ·排序问题优化方法 | 第59-60页 |
| ·实验设置 | 第60-62页 |
| ·基于向量空间模型的匹配特征 | 第62-67页 |
| ·问题的提出 | 第62-64页 |
| ·问题形式化 | 第64页 |
| ·基于向量空间模型的匹配特征计算 | 第64-66页 |
| ·实验分析 | 第66-67页 |
| ·语义关联匹配特征 | 第67-83页 |
| ·问题的提出 | 第67-68页 |
| ·问题形式化 | 第68-69页 |
| ·耦合阻抗特征 | 第69-74页 |
| ·分类特征 | 第74-78页 |
| ·互信息特征 | 第78-80页 |
| ·卡方统计特征 | 第80-83页 |
| ·潜在主题匹配特征 | 第83-88页 |
| ·问题的提出 | 第83-84页 |
| ·问题形式化 | 第84页 |
| ·主题特征 | 第84-86页 |
| ·实验分析 | 第86-88页 |
| ·基于RSVM网页广告排序算法 | 第88-91页 |
| ·广告排序算法研究现状 | 第88页 |
| ·RSVM技术 | 第88-90页 |
| ·基于RSVM的网页广告排序算法 | 第90-91页 |
| ·实验分析 | 第91页 |
| ·小结 | 第91-93页 |
| 第四章 基于用户兴趣的网页广告重排 | 第93-113页 |
| ·引言 | 第93-94页 |
| ·研究现状和相关工作 | 第94-95页 |
| ·用户兴趣的表示形式 | 第95-99页 |
| ·传统的用户兴趣表示方法 | 第95-96页 |
| ·存在的问题 | 第96-97页 |
| ·基于兴趣簇的表示方法 | 第97-99页 |
| ·基于Logistic模型的页面兴趣量化方法 | 第99-105页 |
| ·引言 | 第99-100页 |
| ·兴趣量化方法 | 第100页 |
| ·基于Logistic模型的页面兴趣量化方法 | 第100-102页 |
| ·参数估计与预测检验 | 第102-103页 |
| ·实验分析 | 第103-105页 |
| ·簇兴趣的量化方法 | 第105-110页 |
| ·页面簇的获取方法 | 第105-107页 |
| ·基于质心的簇兴趣量化方法 | 第107-108页 |
| ·基于高斯模型的簇兴趣量化方法 | 第108-109页 |
| ·实验分析 | 第109-110页 |
| ·基于用户兴趣的网页广告重排 | 第110-112页 |
| ·基于用户兴趣的网页广告重排算法 | 第110-111页 |
| ·实验分析 | 第111-112页 |
| ·小结 | 第112-113页 |
| 第五章 网页广告语义标注 | 第113-132页 |
| ·引言 | 第113页 |
| ·相关工作和研究现状 | 第113-114页 |
| ·图像型网页广告显著文本检测和识别算法整体结构 | 第114-115页 |
| ·图像型网页广告显著文本检测算法 | 第115-124页 |
| ·边缘集提取 | 第115-116页 |
| ·候选文本区域融合 | 第116-122页 |
| ·候选文本区域验证 | 第122-124页 |
| ·图像型网页广告显著文本识别算法 | 第124-128页 |
| ·笔画特征图 | 第125-126页 |
| ·文字颜色层 | 第126-127页 |
| ·笔画特征图和文字颜色层整合 | 第127-128页 |
| ·实验分析 | 第128-130页 |
| ·图像型网页广告显著文本检测算法实验 | 第128-129页 |
| ·图像型网页广告显著文本识别算法实验 | 第129-130页 |
| ·小结 | 第130-132页 |
| 第六章 基于语义标注的网页广告加载原型系统SAWAS | 第132-141页 |
| ·引言 | 第132页 |
| ·SAWAS功能需求 | 第132-133页 |
| ·基于语义标注的网页广告加载原型系统SAWAS | 第133-137页 |
| ·SAWAS的系统结构 | 第133-136页 |
| ·SAWAS的广告加载界面 | 第136-137页 |
| ·实验分析 | 第137-139页 |
| ·实验数据 | 第138页 |
| ·监测指标 | 第138-139页 |
| ·结果分析 | 第139页 |
| ·小结 | 第139-141页 |
| 第七章 总结与展望 | 第141-144页 |
| ·论文的主要贡献 | 第141-142页 |
| ·未来研究展望 | 第142-144页 |
| 参考文献 | 第144-156页 |
| 攻博期间发表的科研成果目录 | 第156-157页 |
| 后记 | 第157页 |