| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 网站标签标识的研究现状 | 第11-12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 本文结构 | 第13-14页 |
| 第二章 网站多标识相关技术 | 第14-28页 |
| 2.1 网络爬虫 | 第14-16页 |
| 2.1.1 网络爬虫原理 | 第14-15页 |
| 2.1.2 爬虫分类 | 第15-16页 |
| 2.2 网页去噪 | 第16页 |
| 2.3 Web信息抽取 | 第16-18页 |
| 2.3.1 信息抽取概述 | 第16-17页 |
| 2.3.2 信息抽取方法 | 第17-18页 |
| 2.4 文本分类技术 | 第18-22页 |
| 2.4.1 文本分类概述 | 第18-19页 |
| 2.4.2 文档表示模型 | 第19-20页 |
| 2.4.3 特征选择技术 | 第20页 |
| 2.4.4 文本分类技术 | 第20-22页 |
| 2.5 多标签算法 | 第22-25页 |
| 2.6 网站多标识系统的评价指标 | 第25-28页 |
| 第三章 网站信息分析与挖掘 | 第28-42页 |
| 3.1 网页粒度分析 | 第28-29页 |
| 3.2 网站版块结构挖掘 | 第29-33页 |
| 3.2.1 站点结构 | 第29-30页 |
| 3.2.2 URL特征 | 第30-31页 |
| 3.2.3 拓扑结构与URL特征相结合的网站结构提取方法 | 第31-33页 |
| 3.3 网页正文内容挖掘 | 第33-40页 |
| 3.3.1 网页标题提取 | 第34-35页 |
| 3.3.2 网页正文提取 | 第35-40页 |
| 3.4 网站信息挖掘的基本流程 | 第40-41页 |
| 3.4.1 挖掘流程 | 第40-41页 |
| 3.4.2 实验结果分析 | 第41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 网站多标签 | 第42-53页 |
| 4.1 多标签分类常用数据集 | 第42-43页 |
| 4.2 网站多标签算法 | 第43-44页 |
| 4.3 属性加权ML-KNN算法S-ML-KNN | 第44-48页 |
| 4.3.1 网站结构特征提取 | 第44-47页 |
| 4.3.2 属性加权的S-ML-KNN改进算法 | 第47-48页 |
| 4.4 网站标识的基本流程 | 第48-50页 |
| 4.5 实验结果及分析 | 第50-51页 |
| 4.6 本章小结 | 第51-53页 |
| 第五章 网站标签标识系统的设计与实现 | 第53-59页 |
| 5.1 系统设计目标 | 第53页 |
| 5.2 系统架构 | 第53-58页 |
| 5.2.1 网站拓扑结构回溯模块 | 第54-55页 |
| 5.2.2 网页预处理模块 | 第55-56页 |
| 5.2.3 网站结构信息提取模块 | 第56页 |
| 5.2.4 网页正文抽取模块 | 第56-57页 |
| 5.2.5 网站多标签模块 | 第57-58页 |
| 5.3 系统性能分析 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59-60页 |
| 6.2 展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士学位期间主要研究成果 | 第66页 |