| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 研究内容和目标 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-16页 |
| 第2章 网页去重相关理论概述 | 第16-24页 |
| 2.1 搜索引擎介绍 | 第16-18页 |
| 2.1.1 搜索引擎种类 | 第16-17页 |
| 2.1.2 搜索引擎组成及原理 | 第17-18页 |
| 2.2 重复网页简述 | 第18-22页 |
| 2.2.1 网页重复产生的原因 | 第18-20页 |
| 2.2.2 网页重复的类型 | 第20-22页 |
| 2.3 搜索引擎的评价标准 | 第22-23页 |
| 2.3.1 准确率和召回率 | 第22-23页 |
| 2.3.2 重复网页对搜索引擎的影响 | 第23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 基于正文结构树和关键句去重算法 | 第24-38页 |
| 3.1 前缀过滤以及倒排索引 | 第25-28页 |
| 3.1.1 前缀过滤 | 第25-27页 |
| 3.1.2 倒排索引 | 第27-28页 |
| 3.2 正文结构树 | 第28-34页 |
| 3.2.1 网页要素提取 | 第28-32页 |
| 3.2.2 标签权重的设定 | 第32-33页 |
| 3.2.3 正文结构树建立 | 第33-34页 |
| 3.3 正文关键句的提取 | 第34-35页 |
| 3.3.1 关键字筛选 | 第34-35页 |
| 3.3.2 网页段落关键句提取 | 第35页 |
| 3.4 基于正文结构树和关键句去重算法描述 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第4章 基于正文结构树的布隆过滤器去重算法 | 第38-48页 |
| 4.1 Bloom Filter算法 | 第38-40页 |
| 4.1.1 Bloom Filter算法原理 | 第38-39页 |
| 4.1.2 Bloom Filter算法实现 | 第39-40页 |
| 4.2 基于正文结构树的布隆过滤器去重算法 | 第40-45页 |
| 4.2.1 基于正文结构树的布隆过滤器去重算法系统结构 | 第41-42页 |
| 4.2.2 特征串提取 | 第42-43页 |
| 4.2.3 判断正文标题的相似性 | 第43-44页 |
| 4.2.4 判断正文关键词的相似性 | 第44-45页 |
| 4.2.5 判断结构树各层结点的相似性 | 第45页 |
| 4.3 基于正文结构树的布隆过滤器去重算法描述 | 第45-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第5章 实验结果与分析 | 第48-55页 |
| 5.1 实验环境配置 | 第48页 |
| 5.2 实验评价标准 | 第48-49页 |
| 5.3 实验结果分析 | 第49-54页 |
| 5.3.1 不同算法网页去重结果分析 | 第49-51页 |
| 5.3.2 不同算法网页去重时间分析 | 第51页 |
| 5.3.3 准确率与召回率关系分析 | 第51-52页 |
| 5.3.4 算法对不同类型近似镜像网页分析 | 第52-54页 |
| 5.4 本章小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60页 |