| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-14页 |
| ·课题研究的背景与意义 | 第11页 |
| ·国内外研究现状 | 第11-12页 |
| ·本文的研究内容 | 第12页 |
| ·本文的组织结构 | 第12-14页 |
| 第2章 网页去噪及特征提取技术 | 第14-17页 |
| ·网页去噪技术 | 第14-15页 |
| ·基于网页结构的去噪 | 第14页 |
| ·基于模板的网页去噪 | 第14-15页 |
| ·基于可视化信息的网页去噪 | 第15页 |
| ·特征提取技术 | 第15-17页 |
| 第3章 网页去噪方法 | 第17-28页 |
| ·网页的结构分析 | 第18-20页 |
| ·基于标题与结点词共现频率及文本间相似度的去噪方法 | 第20-28页 |
| ·基本概念 | 第20页 |
| ·算法描述 | 第20-24页 |
| ·实验结果 | 第24-28页 |
| 第4章 特征选择算法 | 第28-43页 |
| ·常用的特征提取算法 | 第28-29页 |
| ·基于RFD的特征提取算法改进 | 第29-32页 |
| ·基于分段情况特征提取算法 | 第29-32页 |
| ·基于绝对值情况特征提取算法 | 第32页 |
| ·中文网页分类系统实现 | 第32-35页 |
| ·中文网页分类系统模块 | 第32-35页 |
| ·网页分类结果 | 第35页 |
| ·网页分类样本及实验结果分析 | 第35-43页 |
| ·训练集与测试集 | 第35页 |
| ·分类测试 | 第35-36页 |
| ·测试评价指标 | 第36页 |
| ·实验说明 | 第36-37页 |
| ·实验结果 | 第37-43页 |
| 第5章 面向主题特征的爬虫系统的实现 | 第43-53页 |
| ·爬虫的应用 | 第43页 |
| ·爬虫性能评价指标 | 第43页 |
| ·面向主题特征的爬虫系统的设计目标 | 第43-44页 |
| ·设计关键点 | 第44-48页 |
| ·队列 | 第44页 |
| ·多线程 | 第44-47页 |
| ·URL主题相关度判别 | 第47页 |
| ·内容相关度判别 | 第47-48页 |
| ·Robots协议 | 第48页 |
| ·主题爬虫程序实现的关键部分 | 第48-49页 |
| ·启动主题爬虫程序 | 第49页 |
| ·队列管理的实现 | 第49页 |
| ·多线程的实现 | 第49页 |
| ·实验结果及分析 | 第49-53页 |
| 总结与展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间发表的论文 | 第59-60页 |