| 第一章 绪论 | 第1-16页 |
| ·背景、意义 | 第8-9页 |
| ·国内外的研究现状 | 第9-12页 |
| ·基于手工编码的方式 | 第9-10页 |
| ·基于启发式规则的方式 | 第10-11页 |
| ·基于机器学习的方式 | 第11页 |
| ·基于树结构比较的方式 | 第11-12页 |
| ·一些其他方法 | 第12页 |
| ·JAVA简介 | 第12-14页 |
| ·论文的主要工作 | 第14-16页 |
| 第二章 基于坐标树的页面结构分析 | 第16-29页 |
| ·HTML／XML | 第16-18页 |
| ·DOM模型的定义 | 第18-20页 |
| ·DOM的定义 | 第18页 |
| ·DOM的主要特点 | 第18-19页 |
| ·DOM和HTML树型逻辑结构 | 第19-20页 |
| ·HTML解析器设计 | 第20-22页 |
| ·页面结构分析技术简介 | 第22-24页 |
| ·利用HTML标记的分布规律分析页面布局 | 第22-23页 |
| ·利用DOM树分析页面布局 | 第23页 |
| ·利用页面视觉特征分析页面布局 | 第23-24页 |
| ·基于坐标树的页面结构分析方法 | 第24-28页 |
| ·计算位置坐标并生成坐标树 | 第24-26页 |
| ·页面划分 | 第26-27页 |
| ·Graph生成算法 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于页面划分的内容提取框架 | 第29-37页 |
| ·主题内容提取算法 | 第29-31页 |
| ·相关图片的识别算法 | 第31-32页 |
| ·相关链接的识别算法 | 第32-33页 |
| ·原型系统的设计与实现 | 第33-34页 |
| ·实验结果分析 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 文本分类 | 第37-49页 |
| ·文本分类综述 | 第37-42页 |
| ·最近邻分类(Nearest Neighbor) | 第38页 |
| ·决策树(Decision Tree) | 第38-39页 |
| ·支持向量机(Support Vector Machines) | 第39-42页 |
| ·神经网络(Neural Network) | 第42页 |
| ·特征选择方法 | 第42-44页 |
| ·文档频率 | 第43页 |
| ·信息增益 | 第43页 |
| ·互信息 | 第43-44页 |
| ·基于决策支持向量机的文本分类 | 第44-45页 |
| ·实验结果与分析 | 第45-46页 |
| ·主题提取应用于网页分类 | 第46-47页 |
| ·实验结果及结果分析 | 第46-47页 |
| ·本章小结 | 第47-49页 |
| 结论 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 附录 | 第54-56页 |
| 致谢 | 第56-57页 |
| 作者攻读学位期间发表的学术论文目录 | 第57页 |