| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第1章 网页分类技术概述 | 第11-15页 |
| 1.1 研究背景 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 文本分类的研究现状 | 第11-12页 |
| 1.2.2 网页分类的研究现状 | 第12-13页 |
| 1.3 本文研究内容及组织结构 | 第13-15页 |
| 第2章 网页分类的相关技术 | 第15-24页 |
| 2.1 文本分类的过程 | 第15页 |
| 2.2 网页分类的过程 | 第15-16页 |
| 2.3 常用的网页分类技术 | 第16-24页 |
| 2.3.1 爬虫技术及网页结构 | 第16-17页 |
| 2.3.2 网页去噪 | 第17页 |
| 2.3.3 中文分词 | 第17-18页 |
| 2.3.4 去停用词 | 第18页 |
| 2.3.5 特征选择 | 第18-21页 |
| 2.3.6 文本表示 | 第21-22页 |
| 2.3.7 特征权值计算 | 第22页 |
| 2.3.8 网页分类的评价标准 | 第22-24页 |
| 第3章 基于网页模板检测和DIV迭代查找的网页预处理 | 第24-33页 |
| 3.1 常用的网页去噪方法 | 第24-25页 |
| 3.2 基于结构相似和内容相似的网页模板检测 | 第25-29页 |
| 3.3 基于DIV迭代查找的网页主体信息提取 | 第29-31页 |
| 3.4 基于ICTCLAS分词系统进行中文分词 | 第31-33页 |
| 第4章 网页特征的选择及其特征向量 | 第33-39页 |
| 4.1 基于关联性的特征选择 | 第33-35页 |
| 4.2 基于类别区分性的特征选择 | 第35-37页 |
| 4.3 特征词权重的计算方法及特征向量表示 | 第37-38页 |
| 4.4 基于网页特征向量的运行实例 | 第38-39页 |
| 第5章 实验结果与分析 | 第39-45页 |
| 5.1 基于支持向量机的网页分类 | 第39-40页 |
| 5.2 基于网页模板检测和DIV迭代查找的网页预处理实验结果及分析 | 第40-41页 |
| 5.2.1 基于结构相似和内容相似的网页模板检测实验 | 第40-41页 |
| 5.2.2 基于DIV迭代查找的网页主体内容提取实验 | 第41页 |
| 5.3 网页特征的选择及其特征向量实验结果及分析 | 第41-45页 |
| 5.3.1 实验设置 | 第41-42页 |
| 5.3.2 基于关联性的特征选择实验 | 第42-43页 |
| 5.3.3 基于类别区分性的特性选择实验 | 第43-45页 |
| 第6章 总结与展望 | 第45-47页 |
| 6.1 本文工作总结 | 第45页 |
| 6.2 下一步工作 | 第45-47页 |
| 参考文献 | 第47-51页 |
| 致谢 | 第51-52页 |
| 附件 | 第52页 |
