| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 图目录 | 第9-10页 |
| Content of Figures | 第10-11页 |
| 表目录 | 第11-12页 |
| Content of Tables | 第12-13页 |
| 第一章 绪论 | 第13-20页 |
| ·课题背景与意义 | 第13-14页 |
| ·国内外研究现状 | 第14-18页 |
| ·Web正文信息提取研究现状 | 第14-15页 |
| ·短文本相似性的研究现状 | 第15-16页 |
| ·本文的主要研究内容 | 第16-18页 |
| ·本文的工作与安排 | 第18-20页 |
| 第二章 相关理论基础 | 第20-29页 |
| ·Web信息提取技术 | 第20-23页 |
| ·基于标签的Web信息提取 | 第20-21页 |
| ·基于DOM树的Web信息提取方法 | 第21页 |
| ·本地布局Web信息提取方法(Location-based Segmentation) | 第21-22页 |
| ·VIPS Web信息提取方法(Vision-based P age Segmentation) | 第22页 |
| ·图形Web信息提取方法 | 第22-23页 |
| ·DOM结构树的基本概念 | 第23-24页 |
| ·语义标记 | 第23页 |
| ·DOM结构树 | 第23-24页 |
| ·短文本特点 | 第24页 |
| ·中文自动分词 | 第24-26页 |
| ·中文分词简介 | 第24-25页 |
| ·中文分词的难点 | 第25页 |
| ·常用汉语分词方法 | 第25-26页 |
| ·特征词提取方法 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于DOM结构树的网页正文信息分段算法 | 第29-40页 |
| ·经典Web信息提取方法 | 第29页 |
| ·去除噪音信息 | 第29-34页 |
| ·噪音信息去除 | 第29-30页 |
| ·DOM结构树构造 | 第30-32页 |
| ·正文内容的提取 | 第32-33页 |
| ·正文内容的处理 | 第33-34页 |
| ·实验结果及分析 | 第34-39页 |
| ·DOM结构树构建算法实验 | 第35-36页 |
| ·正文内容提取实验 | 第36页 |
| ·综合实验 | 第36-39页 |
| ·时间复杂度分析 | 第39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于特征词的短文本分类研究 | 第40-50页 |
| ·引言 | 第40页 |
| ·基于特征词的短文本分类方法 | 第40-46页 |
| ·文本的预处理 | 第41-42页 |
| ·语料库的建立 | 第42页 |
| ·特征词的相关度计算 | 第42-43页 |
| ·文本特征词的获取 | 第43-44页 |
| ·短文本的分类 | 第44-46页 |
| ·实验 | 第46-48页 |
| ·特征词提取实验 | 第46-47页 |
| ·短文本分类实验 | 第47-48页 |
| ·本章小结 | 第48-50页 |
| 第五章 总结与展望 | 第50-52页 |
| ·总结 | 第50页 |
| ·研究与展望 | 第50-52页 |
| 参考文献 | 第52-57页 |
| 致谢 | 第57-58页 |
| 攻读硕士学位期间发表的学术论文 | 第58-59页 |
| 攻读硕士学位期间参加的科研项目 | 第59页 |