| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·引言 | 第8页 |
| ·研究背景与意义 | 第8-10页 |
| ·研究现状 | 第10-13页 |
| ·本文的主要工作和论文组织结构 | 第13-16页 |
| ·本文的主要工作 | 第13页 |
| ·论文组织结构 | 第13-16页 |
| 第二章 Deep Web 数据源分类相关知识 | 第16-26页 |
| ·Deep Web 概念 | 第16页 |
| ·Deep Web 数据集成框架 | 第16-17页 |
| ·网页表单介绍 | 第17-19页 |
| ·文档对象模型 | 第19-21页 |
| ·数据挖掘分类算法简介 | 第21-23页 |
| ·WordNet 简介 | 第23-26页 |
| 第三章 Deep Web 查询接口页面特征抽取和语义树构建 | 第26-36页 |
| ·Deep Web 查询接口页面特征抽取 | 第26-32页 |
| ·页面文本特征的提取 | 第26-29页 |
| ·查询接口表单特征的抽取 | 第29-32页 |
| ·语义树的构建 | 第32-35页 |
| ·本体简介 | 第32-33页 |
| ·构建语义树 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 Deep Web 数据源分类算法改进 | 第36-48页 |
| ·基于密度的自适应 K-NN 分类算法 | 第36-44页 |
| ·K-NN 算法简介 | 第36页 |
| ·K-NN 算法的改进 | 第36-44页 |
| ·加权朴素贝叶斯分类算法 | 第44-47页 |
| ·朴素贝叶斯算法简介 | 第44-45页 |
| ·加权朴素贝叶斯算法设计 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 实验结果与分析 | 第48-58页 |
| ·实验数据 | 第48页 |
| ·实验评价标准 | 第48-49页 |
| ·实验平台 | 第49-50页 |
| ·实验结果 | 第50-52页 |
| ·实验一：基于 WordNet 的 K-NN 分类器和朴素贝叶斯分类器 | 第50-51页 |
| ·实验二：基于语义树的 K-NN 分类器和朴素贝叶斯分类器 | 第51页 |
| ·实验三：基于语义树的改进分类器 | 第51-52页 |
| ·实验结果分析 | 第52-56页 |
| ·实验一和实验二的结果对比分析 | 第52-54页 |
| ·实验二和实验三的结果对比分析 | 第54-56页 |
| ·本章小结 | 第56-58页 |
| 第六章 总结与展望 | 第58-60页 |
| ·本文总结 | 第58页 |
| ·展望 | 第58-60页 |
| 致谢 | 第60-62页 |
| 参考文献 | 第62-66页 |
