| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 课题背景及意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 关键技术及技术难点 | 第13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第2章 相关技术原理及模型 | 第15-25页 |
| 2.1 常用的分类器基本原理 | 第15-19页 |
| 2.2 SVM与深度自编码器原理 | 第19-22页 |
| 2.3 常用主题模型与LDA原理 | 第22-23页 |
| 2.4 本章小结 | 第23-25页 |
| 第3章 标签隐语义 | 第25-33页 |
| 3.1 标签隐语义的基本概念及其特征向量 | 第25-28页 |
| 3.2 基于标签特征向量的聚类分析 | 第28-29页 |
| 3.3 基于深度自编码器的特征分析 | 第29页 |
| 3.4 基于标签隐语义的WEB信息提取框架 | 第29-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第4章 基于标签隐语义的WEB页面自动分割 | 第33-37页 |
| 4.1 标签的分割距离与分割相似度 | 第33-34页 |
| 4.2 分割算法的原理 | 第34-35页 |
| 4.3 分割算法的实验结论与分析 | 第35-36页 |
| 4.4 本章小结 | 第36-37页 |
| 第5章 基于标签隐语义的WEB正文自动抽取 | 第37-47页 |
| 5.1 基于SVM与 DOM树重心半径模型的WEB正文抽取算法 | 第37-43页 |
| 5.2 基于SVM与 LDA的 WEB正文抽取算法 | 第43-45页 |
| 5.3 本章小结 | 第45-47页 |
| 第6章 实验结果评测与分析 | 第47-53页 |
| 6.1 实验环境 | 第47-48页 |
| 6.2 评价方法及实验数据 | 第48-50页 |
| 6.3 本章小结 | 第50-53页 |
| 第7章 总结与展望 | 第53-55页 |
| 参考文献 | 第55-62页 |
| 攻读硕士期间已发表的论文 | 第62-63页 |
| 致谢 | 第63页 |