基于字频分布的中文网页编码识别研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第15-18页 |
| 1.1 概述 | 第15-16页 |
| 1.1.1 研究背景与意义 | 第15页 |
| 1.1.2 中文编码识别研究现状 | 第15-16页 |
| 1.2 本文研究内容 | 第16-17页 |
| 1.3 论文的组织结构 | 第17-18页 |
| 第二章 编码识别技术 | 第18-29页 |
| 2.1 中文编码字符集 | 第18-19页 |
| 2.1.1 中文编码 | 第18-19页 |
| 2.1.2 编码范围 | 第19页 |
| 2.2 中文编码识别算法 | 第19-28页 |
| 2.2.1 编码识别算法的分类 | 第19-20页 |
| 2.2.2 基于字符集范围的识别算法 | 第20页 |
| 2.2.3 汉字编码统计算法 | 第20页 |
| 2.2.4 基于码制可信度的识别算法 | 第20-21页 |
| 2.2.5 贝叶斯分类编码识别算法 | 第21-23页 |
| 2.2.6 Unigram编码识别算法 | 第23-25页 |
| 2.2.7 CodeFinder算法 | 第25-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 模式匹配算法 | 第29-40页 |
| 3.1 模式匹配算法概述 | 第29-30页 |
| 3.2 单模式匹配算法 | 第30-34页 |
| 3.2.1 BM算法 | 第30-31页 |
| 3.2.2 BMH算法 | 第31-32页 |
| 3.2.3 QS算法 | 第32-34页 |
| 3.3 多模式匹配算法 | 第34-39页 |
| 3.3.1 AC算法 | 第34-37页 |
| 3.3.2 AC BM算法 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 适合中文网页的编码识别算法 | 第40-54页 |
| 4.1 网页环境 | 第40-41页 |
| 4.2 现存算法的不足 | 第41-42页 |
| 4.2.1 汉字编码统计算法的不足 | 第41页 |
| 4.2.2 贝叶斯分类编码识别算法的不足 | 第41页 |
| 4.2.3 Unigram编码识别算法的不足 | 第41页 |
| 4.2.4 CoderFinder算法的不足 | 第41-42页 |
| 4.3 FKI算法 | 第42-51页 |
| 4.3.1 高频字符表 | 第43-44页 |
| 4.3.2 编码匹配 | 第44-46页 |
| 4.3.3 状态/码制表 | 第46-47页 |
| 4.3.4 FKI算法描述 | 第47-48页 |
| 4.3.5 FKI算法识别举例 | 第48-51页 |
| 4.4 FKI算法分析 | 第51-53页 |
| 4.4.1 准确率 | 第51-52页 |
| 4.4.2 时间性能 | 第52页 |
| 4.4.3 可扩展性 | 第52-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 FKI算法性能测试 | 第54-60页 |
| 5.1 实验环境 | 第54页 |
| 5.2 实验方案 | 第54页 |
| 5.3 实验数据及分析 | 第54-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第六章 展望与总结 | 第60-61页 |
| 6.1 总结 | 第60页 |
| 6.2 展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第64-65页 |
