基于关键词的垃圾网页判别研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-18页 |
| 1.1 课题来源及研究的目的和意义 | 第8-10页 |
| 1.1.1 课题来源 | 第8-9页 |
| 1.1.2 课题研究的目的和意义 | 第9-10页 |
| 1.2 国内外在该方向的研究现状及分析 | 第10-15页 |
| 1.2.1 垃圾网页概述 | 第10-12页 |
| 1.2.2 网页解析研究现状 | 第12-13页 |
| 1.2.3 垃圾网页过滤研究现状 | 第13-15页 |
| 1.2.4 研究现状分析 | 第15页 |
| 1.3 本文主要研究内容及论文结构 | 第15-18页 |
| 1.3.1 主要内容 | 第15-16页 |
| 1.3.2 论文结构 | 第16-18页 |
| 第2章 网页内容解析方法研究 | 第18-32页 |
| 2.1 网页结构分析 | 第18-20页 |
| 2.1.1 页面的结构特点及其表示 | 第18-20页 |
| 2.1.2 基于HTML标签的页面结构分析 | 第20页 |
| 2.2 网页内容提取方法设计 | 第20-26页 |
| 2.2.1 网页内容提取原理 | 第20-22页 |
| 2.2.2 页面结构标准化算法设计 | 第22-23页 |
| 2.2.3 标签树构建算法设计 | 第23-25页 |
| 2.2.4 网页内容提取方法实现 | 第25-26页 |
| 2.3 网页内容文本的切分方法设计 | 第26-30页 |
| 2.3.1 正向定长词语切分方法 | 第26-27页 |
| 2.3.2 词语获取规则 | 第27-29页 |
| 2.3.3 复合词组合算法 | 第29-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第3章 垃圾网页判别方法研究 | 第32-41页 |
| 3.1 垃圾网页特征分析 | 第32-35页 |
| 3.1.1 滥发关键词 | 第32-33页 |
| 3.1.2 滥发链接 | 第33-34页 |
| 3.1.3 内容杂乱 | 第34-35页 |
| 3.2 构建判别指标 | 第35-39页 |
| 3.2.1 网页维度指标 | 第35-37页 |
| 3.2.2 文本维度指标 | 第37-38页 |
| 3.2.3 链接维度指标 | 第38-39页 |
| 3.3 统计判别方法 | 第39-40页 |
| 3.3.1 FISHER判别法 | 第39页 |
| 3.3.2 LOGISTIC回归 | 第39-40页 |
| 3.3.3 贝叶斯判别 | 第40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 数据验证及结果分析 | 第41-52页 |
| 4.1 数据收集 | 第41-45页 |
| 4.1.1 数据源和数据量 | 第41-42页 |
| 4.1.2 数据结构 | 第42-43页 |
| 4.1.3 数据处理 | 第43-45页 |
| 4.2 指标体系判别方法可行性分析 | 第45-49页 |
| 4.2.1 FISHER判别法 | 第45-47页 |
| 4.2.2 LOGISTIC回归 | 第47-48页 |
| 4.2.3 贝叶斯判别 | 第48-49页 |
| 4.3 指标体系判别方法实用性分析 | 第49-51页 |
| 4.3.1 定义判别指标 | 第49-50页 |
| 4.3.2 统计判别结果 | 第50-51页 |
| 4.4 本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58页 |
