| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第1章 绪论 | 第8-18页 |
| ·基本概念 | 第8-11页 |
| ·Blog的概念 | 第8-10页 |
| ·Blog网页识别的概念 | 第10-11页 |
| ·Blog网页识别研究的意义 | 第11-13页 |
| ·国内外相关研究现状 | 第13-15页 |
| ·论文组织结构和创新点 | 第15-18页 |
| 第2章 网页特征信息抽取 | 第18-47页 |
| ·Web信息抽取简介 | 第18-19页 |
| ·网页获取和预处理 | 第19-22页 |
| ·网页获取 | 第19-20页 |
| ·网页清洗 | 第20-21页 |
| ·网页解析 | 第21-22页 |
| ·Blog特征信息抽取 | 第22-47页 |
| ·Blog综合特征空间 | 第23-24页 |
| ·Blog结构特征 | 第24-30页 |
| ·Blog技术特征 | 第30-38页 |
| ·Blog内容特征 | 第38-47页 |
| 第3章 网页形式化表示 | 第47-60页 |
| ·文本表示模型 | 第47-51页 |
| ·向量空间模型 | 第47-48页 |
| ·特征项获取 | 第48-49页 |
| ·特征项权重计算 | 第49-51页 |
| ·网页文本内容特征的形式化表示 | 第51-56页 |
| ·网页文本内容特征的表示模型 | 第51页 |
| ·网页文本内容特征的获取方法 | 第51-56页 |
| ·页面布局特征的形式化表示 | 第56-60页 |
| ·页面布局特征的表示模型 | 第56页 |
| ·页面布局特征的获取方法 | 第56-60页 |
| 第4章 网页识别算法 | 第60-103页 |
| ·聚类算法 | 第60-74页 |
| ·聚类的概念 | 第60-61页 |
| ·基于SCSD、ICER和LOK的K-means改进算法——SILKM算法 | 第61-74页 |
| ·分类算法 | 第74-85页 |
| ·分类的概念 | 第74-75页 |
| ·基于KM和CV的KNN改进算法——KNC算法 | 第75-85页 |
| ·基于综合特征空间的Blog网页识别算法 | 第85-103页 |
| ·基于标签属性特征的Blog网页识别 | 第88-90页 |
| ·基于文本语义格式特征的Blog网页识别 | 第90-92页 |
| ·基于技术特征的Blog网页识别 | 第92-95页 |
| ·基于页面布局特征的Blog网页识别 | 第95-98页 |
| ·基于文本内容特征的Blog网页识别 | 第98-102页 |
| ·Blog网页识别算法的小结 | 第102-103页 |
| 第5章 实验与性能评估 | 第103-113页 |
| ·实验评估指标 | 第103-105页 |
| ·实验环境与数据 | 第105-109页 |
| ·实验结果与分析 | 第109-113页 |
| 第6章 总结与展望 | 第113-115页 |
| ·工作总结 | 第113-114页 |
| ·研究展望 | 第114-115页 |
| 参考文献 | 第115-118页 |
| 致谢 | 第118页 |