| 摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 第一章 绪论 | 第10-19页 |
| ·Web 信息特点 | 第10-11页 |
| ·通用搜索引擎简介 | 第11-14页 |
| ·主题Web 挖掘概述 | 第14-17页 |
| ·主题爬虫简介 | 第14-16页 |
| ·Web 页面下载后的处理 | 第16-17页 |
| ·本文的研究内容与创新点 | 第17页 |
| ·论文的章节组织 | 第17-19页 |
| 第二章 基于反作弊技术的antiSpam 主题爬虫模型算法研究 | 第19-28页 |
| ·主题爬虫结构简介 | 第19-23页 |
| ·Web 页面结构及特点 | 第19-20页 |
| ·主题爬虫问题定义 | 第20-21页 |
| ·主题爬虫的结构及评价 | 第21-23页 |
| ·存在问题 | 第23页 |
| ·基于反作弊技术的antiSpam 主题爬虫算法 | 第23-25页 |
| ·学习有向图规则 | 第23-24页 |
| ·为算法添加松弛变量 | 第24-25页 |
| ·算法实现及实验 | 第25-27页 |
| ·参数设置 | 第25-26页 |
| ·antiSpam 算法中选择不同特征实验结果比对 | 第26-27页 |
| ·小结 | 第27-28页 |
| 第三章 Web 文本分类算法研究 | 第28-41页 |
| ·文本过滤 | 第28-29页 |
| ·文本分类 | 第29-30页 |
| ·PSK-means 算法：基于聚类的web 过滤方法 | 第30-34页 |
| ·划分方法 | 第30-31页 |
| ·K-means 算法的改进 | 第31页 |
| ·PSK-means 算法的思想 | 第31-33页 |
| ·实验分析 | 第33-34页 |
| ·结论 | 第34页 |
| ·基于相似粗糙集和模糊认知图的文本分类算法 | 第34-40页 |
| ·基于模糊认知图的文本分类推理算法Correlation-FCM | 第34-36页 |
| ·文本分类FCM 的特征项权值与边权值的确定 | 第36-37页 |
| ·基于模糊认知图的文本分类推理算法 | 第37-38页 |
| ·实验与结果分析 | 第38-40页 |
| ·小结 | 第40-41页 |
| 第四章 主题Web 挖掘平台Gsearch 设计与实现 | 第41-49页 |
| ·Gsearch 平台的体系结构 | 第41-43页 |
| ·分词索引模块简介 | 第43-47页 |
| ·分词技术简介 | 第43-44页 |
| ·索引技术简介 | 第44-46页 |
| ·数据挖掘模块 | 第46-47页 |
| ·Gsearch 平台应用前景 | 第47-49页 |
| 第五章 总结与展望 | 第49-51页 |
| ·本文创新点 | 第49页 |
| ·未来研究工作 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 在学期间发表的论文及参加的项目 | 第55-56页 |
| 致谢 | 第56页 |
