基于文本结构的近似镜像网页去重

中文摘要	第1-10页
ABSTRACT	第10-12页
第一章 引言	第12-17页
·研究背景	第12-14页
·研究现状及分析	第14-16页
·近似镜像网页去重的研究历史	第14-15页
·现有近似镜像网页去重方法的分析	第15-16页
·基于内容的近似镜像网页去重	第15页
·基于链接的近似镜像网页去重	第15-16页
·基于链接信息的近似镜像网页去重	第16页
·论文的主要工作及结果	第16页
·论文结构	第16-17页
第二章 近似镜像网页的分析及表示	第17-24页
·近似镜像网页的定义	第17-18页
·镜像网页的定义	第17页
·近似镜像网页的定义	第17-18页
·近似镜像网页的分析	第18-20页
·近似镜像网页重复特点的分析	第18页
·近似镜像网页正文结构的分析	第18-20页
·近似镜像网页的表示	第20-21页
·网页正文结构的树型表示	第21-24页
第三章 正文结构树的生成	第24-32页
·网页正文结构树生成的流程	第24-25页
·段落信息表的建立	第25页
·小标题编号和HTML标签的识别	第25-28页
·短段落标题识别算法	第28-29页
·正文结构表现形式获取算法	第29-30页
·权值分配	第30-31页
·正文结构树生成算法	第31-32页
第四章 近似镜像网页去重	第32-38页
·数字签名及MD5算法介绍	第32-35页
·近似镜像网页的检测与去重	第35-38页
·标题相似度的计算	第36页
·正文相似度的计算	第36-38页
第五章 实验结果和结论	第38-41页
·评价指标	第38页
·实验结果与结论	第38-39页
·同现有方法的比较	第39-40页
·进一步的工作	第40-41页
参考文献	第41-46页
致谢	第46-47页
发表文章目录	第47-48页
个人简况	第48-49页