| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·Web 信息抽取技术研究现状 | 第11-12页 |
| ·网页自动分类技术研究现状 | 第12-13页 |
| ·本文的研究内容 | 第13-14页 |
| ·论文的组织结构 | 第14-16页 |
| 第二章 相关理论和关键技术 | 第16-23页 |
| ·信息抽取 | 第16页 |
| ·文本分类 | 第16-18页 |
| ·文本预处理技术 | 第18-19页 |
| ·中文分词技术 | 第18页 |
| ·停用词处理 | 第18-19页 |
| ·特征选择 | 第19页 |
| ·文本分类常用方法 | 第19-21页 |
| ·知网 | 第21-22页 |
| ·知网的结构 | 第21页 |
| ·知网的概念 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 基于DOM 树和部分超链接过滤的正文信息抽取 | 第23-41页 |
| ·网页正文信息与网页结构 | 第23页 |
| ·网页正文信息抽取方法 | 第23-29页 |
| ·基于启发性规则的抽取方法 | 第24-28页 |
| ·基于网页模板的方法 | 第28-29页 |
| ·基于网页DOM 树和部分超链接过滤的正文信息抽取算法 | 第29-37页 |
| ·网页规范化 | 第29-30页 |
| ·去噪过滤 | 第30-34页 |
| ·正文信息抽取 | 第34-37页 |
| ·实验及分析 | 第37-40页 |
| ·实验评测指标结果 | 第37-38页 |
| ·实验结果分析 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 基于站点层次结构的网页分类技术 | 第41-46页 |
| ·虚拟站点层次关系树的构建 | 第41-42页 |
| ·站点层次结构抽取算法 | 第42-43页 |
| ·网页分类的实现 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 基于标题的网页分类研究 | 第46-64页 |
| ·标题预处理 | 第46-48页 |
| ·网页标题 | 第46-47页 |
| ·领域知识库 | 第47-48页 |
| ·特征选择研究 | 第48-55页 |
| ·特征选择方法 | 第48-51页 |
| ·归一化词频密度 | 第51-52页 |
| ·类内覆盖度 | 第52页 |
| ·改进的X~2 特征选择算法 | 第52-54页 |
| ·常规领域知识导入 | 第54-55页 |
| ·词语相似度 | 第55-58页 |
| ·词语相似度计算方法 | 第55-56页 |
| ·基于《知网》的语义相似度计算 | 第56页 |
| ·网页自动分类流程 | 第56-58页 |
| ·实验及分析 | 第58-63页 |
| ·性能评价方法 | 第58-59页 |
| ·实验数据 | 第59-60页 |
| ·实验结果及分析 | 第60-63页 |
| ·本章小结 | 第63-64页 |
| 第六章 系统实现 | 第64-75页 |
| ·系统设计思想 | 第64-65页 |
| ·系统总体框架和模块设计 | 第65-74页 |
| ·网页正文信息抽取模块 | 第66-69页 |
| ·基于站点层次结构的网页分类模块 | 第69-71页 |
| ·基于标题的网页分类模块 | 第71-73页 |
| ·缓存管理模块 | 第73-74页 |
| ·本章小结 | 第74-75页 |
| 结论 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 攻读硕士学位期间取得的研究成果 | 第81-82页 |
| 致谢 | 第82-83页 |
| 答辩委员会对论文的评定意见 | 第83页 |