| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第13-18页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.2.1 网络爬虫技术 | 第14页 |
| 1.2.2 网页分类技术 | 第14-15页 |
| 1.2.3 网页文本提取 | 第15-16页 |
| 1.3 本文研究的内容 | 第16页 |
| 1.4 本文章节安排 | 第16-18页 |
| 第二章 相关技术研究 | 第18-32页 |
| 2.1 网络爬虫相关技术 | 第18-21页 |
| 2.1.1 网络爬虫搜索策略 | 第18-19页 |
| 2.1.2 网络爬虫分类 | 第19-21页 |
| 2.2 网页分类技术 | 第21-27页 |
| 2.2.1 特征提取 | 第21-22页 |
| 2.2.2 分类算法 | 第22-26页 |
| 2.2.3 评价标准 | 第26-27页 |
| 2.3 网页文本提取技术 | 第27-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 基于Web结构特征挖掘的网页类型自动识别方法 | 第32-51页 |
| 3.1 算法概述 | 第32-33页 |
| 3.2 网页源码预处理 | 第33-37页 |
| 3.2.1 超文本标记语言 | 第34-35页 |
| 3.2.2 清理噪声标签 | 第35-36页 |
| 3.2.3 标签信息预处理 | 第36-37页 |
| 3.3 特征工程 | 第37-46页 |
| 3.3.1 URL特征 | 第38-39页 |
| 3.3.2 标签特征 | 第39-44页 |
| 3.3.3 页面特征 | 第44页 |
| 3.3.4 面向网页类型自动识别的特征集 | 第44-45页 |
| 3.3.5 网页类型自动识别方法 | 第45-46页 |
| 3.4 实验及分析 | 第46-50页 |
| 3.4.1 实验结果 | 第46-49页 |
| 3.4.2 实验分析 | 第49-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第四章 基于智能模板的BBS网页文本提取方法 | 第51-70页 |
| 4.1 算法概述 | 第51-53页 |
| 4.2 文本块抽取 | 第53-61页 |
| 4.2.1 标签预处理 | 第54-55页 |
| 4.2.2 文本标签特征提取 | 第55-56页 |
| 4.2.3 聚类算法及聚类簇选择 | 第56-57页 |
| 4.2.4 文本簇调整及节点选择 | 第57-59页 |
| 4.2.5 文本信息抽取 | 第59-61页 |
| 4.3 智能模板生成 | 第61-66页 |
| 4.3.1 文档对象模型 | 第61-63页 |
| 4.3.2 文本块节点选择 | 第63页 |
| 4.3.3 自动配置模板 | 第63-65页 |
| 4.3.4 基于模板的BBS网页文本信息抽取 | 第65-66页 |
| 4.4 实验及分析 | 第66-69页 |
| 4.5 本章小结 | 第69-70页 |
| 第五章 网页分类与信息采集系统设计及其实现 | 第70-76页 |
| 5.1 总体设计 | 第70-71页 |
| 5.2 模块设计 | 第71-72页 |
| 5.3 系统展示 | 第72-75页 |
| 5.4 本章小结 | 第75-76页 |
| 第六章 总结与展望 | 第76-78页 |
| 6.1 工作总结 | 第76-77页 |
| 6.2 工作不足与展望 | 第77-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-82页 |
| 攻读硕士学位期间取得的研究成果 | 第82-83页 |