| 内容提要 | 第1-7页 |
| 第一章 前言 | 第7-11页 |
| ·研究意义 | 第7-8页 |
| ·搜索引擎介绍 | 第8-10页 |
| ·正文提取的重要性 | 第10页 |
| ·小结 | 第10-11页 |
| 第二章 正文提取 | 第11-43页 |
| ·正文提取的几种方法介绍 | 第11-18页 |
| ·基于DOM 树的正文提取 | 第18-21页 |
| ·正文提取器功能介绍 | 第21-25页 |
| ·正文提取器实现 | 第25-39页 |
| ·结果分析 | 第39-42页 |
| ·小结 | 第42-43页 |
| 第三章 网页净化噪声 | 第43-48页 |
| ·网页噪声净化的几种常用方法 | 第43-44页 |
| ·基于DOM 树的网页噪声净化 | 第44-46页 |
| ·数据分析 | 第46-47页 |
| ·小结 | 第47-48页 |
| 第四章 网页分类 | 第48-53页 |
| ·文本分类介绍 | 第48页 |
| ·网页分类的几个研究方向 | 第48-50页 |
| ·网页分类的改进方法 | 第50-52页 |
| ·小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| ·全文总结 | 第53-54页 |
| ·进一步的工作 | 第54-55页 |
| 参考文献 | 第55-57页 |
| 摘要 | 第57-60页 |
| ABSTRACT | 第60-63页 |
| 致谢 | 第63页 |