| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-14页 |
| ·研究背景 | 第9-11页 |
| ·论文的主要研究工作 | 第11-13页 |
| ·论文组织 | 第13-14页 |
| 2 Web信息检索基础知识 | 第14-27页 |
| ·信息检索介绍 | 第14-17页 |
| ·信息检索与数据检索 | 第14页 |
| ·信息检索的发展 | 第14-15页 |
| ·文档的逻辑视图 | 第15-16页 |
| ·检索过程 | 第16-17页 |
| ·向量空间模型 | 第17-20页 |
| ·信息检索模型的形式 | 第17-18页 |
| ·向量空间 | 第18-19页 |
| ·相关性 | 第19-20页 |
| ·搜索引擎 | 第20-25页 |
| ·搜索引擎的工作原理 | 第20-21页 |
| ·搜索引擎的分类 | 第21-22页 |
| ·搜索引擎中的排序算法 | 第22-24页 |
| ·Web上典型的搜索任务 | 第24-25页 |
| ·信息检索评价指标 | 第25-27页 |
| ·准确率与召回率 | 第25-26页 |
| ·平均准确率与平均召回率 | 第26-27页 |
| 3 Web链接结构与社区发现 | 第27-33页 |
| ·Web链接结构 | 第27-28页 |
| ·Web链接图 | 第27页 |
| ·Web链接结构的自组织性 | 第27-28页 |
| ·Web链接分析 | 第28页 |
| ·社区发现 | 第28-33页 |
| ·社区定义 | 第29-30页 |
| ·传统复杂网络中的社区发现算法 | 第30页 |
| ·Web社区发现算法 | 第30-33页 |
| 4 最大流社区识别算法回顾与分析 | 第33-42页 |
| ·最大流最小割 | 第33-35页 |
| ·FLG算法 | 第35-39页 |
| ·理想社区 | 第35-36页 |
| ·近似社区 | 第36-38页 |
| ·预期最大化算法 | 第38-39页 |
| ·算法分析 | 第39-42页 |
| ·社区体积与边的关系 | 第39-40页 |
| ·FLG算法存在的问题及IK方法的提出 | 第40-42页 |
| 5 对最大流算法的改进:基于文本相似度的社区识别算法 | 第42-51页 |
| ·改进的总体思路 | 第42页 |
| ·从页面框架到站点框架的聚合算法 | 第42-44页 |
| ·邻域图基于文本相似度的加权策略 | 第44-49页 |
| ·方法概述 | 第44-45页 |
| ·邻接图结点(即Web网页)主题的向量表示 | 第45页 |
| ·社区主题(即FLG种子集主题)的向量表示 | 第45-46页 |
| ·计算结点的主题相似度 | 第46-47页 |
| ·基于文本相似度的边容量设置 | 第47-48页 |
| ·迭代后结点的排序策略 | 第48-49页 |
| ·基于文本相似度的社区识别算法 | 第49-51页 |
| ·结合内容与链接分析的社区识别算法步骤 | 第49页 |
| ·页面/站点邻接图构造 | 第49-51页 |
| 6 实验 | 第51-64页 |
| ·实验设计准则 | 第51页 |
| ·Web实验 | 第51-58页 |
| ·实验方案 | 第51-52页 |
| ·数据集的爬取及预处理 | 第52-54页 |
| ·系统结构 | 第54-57页 |
| ·系统详细设计 | 第57-58页 |
| ·实验结果及其讨论 | 第58-63页 |
| ·实验总结 | 第63-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-67页 |
| 附录A 非用字(stop words list) | 第67-68页 |
| 附录B 基于预流推进与最短增广路径策略实现最大流算法 | 第68-75页 |
| 攻读硕士学位期间发表学术论文情况 | 第75-76页 |
| 致谢 | 第76-78页 |