| 摘 要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 引言 | 第8-11页 |
| ·背景 | 第8-9页 |
| ·本文安排 | 第9-11页 |
| 第二章 WEB信息采集概述 | 第11-18页 |
| ·WEB 信息采集系统的基本原理 | 第11页 |
| ·WEB 信息采集系统的基本结构 | 第11-13页 |
| ·WEB 信息采集面临的主要困难和相应的技术手段 | 第13-15页 |
| ·采集系统实例 | 第15-18页 |
| 第三章 WEB 信息采集的研究现状 | 第18-24页 |
| ·基于整个WEB 的信息采集 | 第18-19页 |
| ·增量式WEB 信息采集 | 第19页 |
| ·基于主题的WEB 信息采集 | 第19-20页 |
| ·基于用户个性化的WEB 信息采集 | 第20-21页 |
| ·基于AGENT 的信息采集 | 第21-22页 |
| ·迁移的信息采集 | 第22页 |
| ·基于元搜索的信息采集: | 第22页 |
| ·小结 | 第22-24页 |
| 第四章 基于主题的WEB 信息采集基本问题研究 | 第24-44页 |
| ·基于主题的WEB 信息采集的定义 | 第24页 |
| ·基于主题的WEB 信息采集的优点 | 第24-25页 |
| ·基于主题的WEB 信息采集的分类 | 第25-26页 |
| ·主题页面在WEB 上的分布特征 | 第26-28页 |
| ·相关性判别算法研究 | 第28-44页 |
| 第五章 基于主题的WEB 信息采集系统模型及我们的对策 | 第44-48页 |
| ·系统模型 | 第44页 |
| ·模型中的关键问题及我们的策略 | 第44-48页 |
| 第六章 主题选择 | 第48-51页 |
| ·主题的定义 | 第48页 |
| ·主题分类目录 | 第48-49页 |
| ·WEB 上的主题分类目录的特点 | 第49页 |
| ·主题选择策略 | 第49-51页 |
| 第七章 SPIDER 采集 | 第51-56页 |
| ·SPIDER 的系统模型 | 第51-52页 |
| ·采集算法及实现 | 第52-56页 |
| 第八章 页面分析 | 第56-59页 |
| ·HTML 语法分析 | 第56页 |
| ·页面中正文的提取 | 第56-57页 |
| ·页面中链接的提取 | 第57-58页 |
| ·页面中标题的提取 | 第58-59页 |
| 第九章 URL、页面与主题的相关性判定 | 第59-65页 |
| 9 1 URL 与主题的相关性判定——IPAGERANK 算法 | 第60-63页 |
| ·页面与主题的相关性判定——向量空间模型算法 | 第63-65页 |
| 第十章 系统的实现与总结 | 第65-71页 |
| ·系统实现情况 | 第65页 |
| ·系统测试结果 | 第65-69页 |
| 10 3 进一步的工作 | 第69页 |
| ·结论 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-76页 |
| 作者简介 | 第76页 |