| 摘要 | 第1-8页 |
| Abstract | 第8-12页 |
| 1 绪论 | 第12-18页 |
| ·研究意义 | 第12-13页 |
| ·搜索引擎、新闻搜索简介 | 第13-15页 |
| ·IT相关主题新闻抓取 | 第15-17页 |
| ·小结 | 第17-18页 |
| 2 Web搜索引擎原理及其搜索结果利用方法对比 | 第18-30页 |
| ·Web搜索原理简介 | 第18-22页 |
| ·Web搜索简介 | 第18-21页 |
| ·Web搜索的问题 | 第21-22页 |
| ·主题爬行器 | 第22-24页 |
| ·爬行器的作用 | 第22-23页 |
| ·网络爬虫的爬取策略及对IT主题新闻的启示 | 第23-24页 |
| ·当前主流搜索引擎搜索结果利用比较 | 第24-26页 |
| ·百度(baidu.com) | 第24页 |
| ·必应(Bing.com) | 第24-25页 |
| ·谷歌Google | 第25-26页 |
| ·搜索引擎搜索结果利用方法比较 | 第26-29页 |
| ·利用Google API整理搜索结果 | 第26-29页 |
| ·利用本机程序提取Web搜索URL链接 | 第29页 |
| ·小结 | 第29-30页 |
| 3 Web搜索结果利用和URL行业角色评价获取模型 | 第30-50页 |
| ·IT相关新闻分析及其行业特征提取 | 第30-35页 |
| ·2009年IT新闻事件回顾 | 第30-32页 |
| ·新闻事件剖析 | 第32-34页 |
| ·手工利用搜索引擎的困境 | 第34-35页 |
| ·从用户兴趣搜索模型到行业角色URL评价模型 | 第35-40页 |
| ·用户兴趣搜索模型设计 | 第36-37页 |
| ·基于兴趣向量的模型P2 | 第37-38页 |
| ·基于多兴趣向量的模型P3 | 第38-39页 |
| ·兴趣模型P4到基于行业角色模型 | 第39-40页 |
| ·行业角色模式下最佳URL挖掘 | 第40-48页 |
| ·各功能模块设计 | 第40-41页 |
| ·新闻事件注册与关键词库 | 第41-42页 |
| ·搜索引擎结果接口 | 第42-45页 |
| ·行业角色URL评价模块 | 第45-47页 |
| ·结果反馈模块 | 第47-48页 |
| ·结果URL链接库 | 第48页 |
| ·实验结果分析 | 第48-49页 |
| ·小结 | 第49-50页 |
| 4 网页新闻数据提取 | 第50-62页 |
| ·简介 | 第50-52页 |
| ·HTML及新闻HTML文档特点 | 第50-51页 |
| ·网页DOM树和MSHTML模型 | 第51-52页 |
| ·新闻网页提取流程 | 第52-59页 |
| ·网页文本提取 | 第53-54页 |
| ·新闻正文挖掘 | 第54-56页 |
| ·多网页新闻正文挖掘 | 第56-58页 |
| ·单网页平衡挖掘内容 | 第58-59页 |
| ·实验结果分析 | 第59-60页 |
| ·小结 | 第60-62页 |
| 5 结论与展望 | 第62-64页 |
| ·全文总结 | 第62-63页 |
| ·进一步工作 | 第63-64页 |
| 参考文献 | 第64-65页 |
| 致谢 | 第65-66页 |
| 个人简历 | 第66页 |
| 发表的学术论文 | 第66页 |