| 中文摘要 | 第1-9页 |
| 英文摘要 | 第9-11页 |
| 第1章 绪论 | 第11-16页 |
| 1．1 课题性质 | 第11页 |
| 1．2 课题研究的背景 | 第11-12页 |
| 1．3 本课题的理论基础——自然语言处理技术 | 第12-14页 |
| 1．3．1 自然语言处理技术 | 第12页 |
| 1．3．2 自然语言处理研究的历史与发展现状 | 第12-14页 |
| 1．3．3 自然语言处理的研究方法 | 第14页 |
| 1．4 论文的框架结构 | 第14-16页 |
| 第2章 基于Web页面的关键词及关键概念提取技术 | 第16-24页 |
| 2．1 引言 | 第16-17页 |
| 2．2 关键词与关键概念 | 第17-18页 |
| 2．2．1 关键词与关键概念的定义 | 第17-18页 |
| 2．2．2 关键词的特征 | 第18页 |
| 2．3 关键词及关键概念提取技术的发展与意义 | 第18-21页 |
| 2．3．1 关键词提取技术的发展 | 第18-20页 |
| 2．3．2 关键概念提取技术的发展 | 第20-21页 |
| 2．3．3 关键词提取技术意义 | 第21页 |
| 2．4 基于Web页面的关键词与关键概念提取的实现系统 | 第21-22页 |
| 2．4．1 基于Web页面的关键词提取 | 第21页 |
| 2．4．2 基于Web页面的关键概念提取 | 第21-22页 |
| 2．4．3 系统在搜索引擎中的应用 | 第22页 |
| 2．5 系统框架图 | 第22-23页 |
| 2．6 评估方法 | 第23页 |
| 2．7 本章小结 | 第23-24页 |
| 第3章 关键词提取系统的建立与实现 | 第24-38页 |
| 3．1 引言 | 第24页 |
| 3．2 Web页面的特殊性 | 第24-25页 |
| 3．3 关键技术介绍 | 第25-27页 |
| 3．4 基于Web的关键词提取系统 | 第27-37页 |
| 3．4．1 关键词提取系统的实现流程 | 第27-29页 |
| 3．4．2 Web页面分析模块 | 第29-33页 |
| 3．4．3 加权因子提取 | 第33-34页 |
| 3．4．4 权重计算 | 第34-36页 |
| 3．4．5 关键词提取 | 第36页 |
| 3．4．6 实验结果与分析 | 第36-37页 |
| 3．5 本章小结 | 第37-38页 |
| 第4章 关键概念提取系统的建立与实现 | 第38-51页 |
| 4．1 引言 | 第38页 |
| 4．2 基于“N元语法”统计模型的新词发现 | 第38-40页 |
| 4．2．1 ”N元语法”统计模型简介 | 第38-39页 |
| 4．2．2 基于二元语法和规则的方法 | 第39-40页 |
| 4．2．3 评价 | 第40页 |
| 4．3 基于上下文和互信息的关键概念提取 | 第40-50页 |
| 4．3．1 词语上下文 | 第40-41页 |
| 4．3．2 互信息 | 第41-42页 |
| 4．3．3 基于统计系统的具体实现 | 第42-46页 |
| 4．3．4 系统的核心数据结构设计 | 第46页 |
| 4．3．5 实验结果分析 | 第46-47页 |
| 4．3．6 影响关键概念提取结果的主要因素 | 第47页 |
| 4．3．7 规则选词 | 第47-49页 |
| 4．3．8 规则选词的结果分析 | 第49-50页 |
| 4．4 本章小结 | 第50-51页 |
| 第5章 系统在搜索引擎中的应用 | 第51-61页 |
| 5．1 引言 | 第51页 |
| 5．2 传统搜索引擎简介 | 第51-52页 |
| 5．3 搜索引擎中的“相关性”问题研究 | 第52-56页 |
| 5．3．1 系统角度的相关性 | 第53-54页 |
| 5．3．2 用户角度的相关性 | 第54-56页 |
| 5．3．3 讨论 | 第56页 |
| 5．4 关键词与关键概念在搜索引擎中的应用探讨 | 第56-60页 |
| 5．4．1 改进的系统角度的相关性判断模型的提出 | 第56-57页 |
| 5．4．2 系统框架设计构想 | 第57-60页 |
| 5．5 本章小结 | 第60-61页 |
| 结论 | 第61-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69页 |