| 提要 | 第1-7页 |
| 第1章 绪论 | 第7-11页 |
| ·Deep Web 简介 | 第7-8页 |
| ·Deep Web 的概念 | 第7页 |
| ·Deep Web 资源现状及研究现状 | 第7-8页 |
| ·选题方向及该方向已有研究成果 | 第8-9页 |
| ·本文的主要工作及结构安排 | 第9-11页 |
| 第2章 背景知识 | 第11-20页 |
| ·文本表示 | 第11页 |
| ·文本分类算法 | 第11-14页 |
| ·决策树分类算法 | 第12页 |
| ·朴素贝叶斯分类算法 | 第12-13页 |
| ·支持向量机分类算法 | 第13页 |
| ·K 近邻分类算法 | 第13-14页 |
| ·HTML 表单介绍 | 第14-15页 |
| ·文档对象模型（DOM） | 第15-18页 |
| ·DOM 眼中的HTML 文档 | 第15页 |
| ·HTML 文档节点 | 第15-17页 |
| ·使用DOM 操作HTML 文档 | 第17-18页 |
| ·HTML 文档解析器—NekoHTML | 第18页 |
| ·WordNet 介绍 | 第18-20页 |
| 第3章 基于质心及WordNet的Web数据库分类研究 | 第20-32页 |
| ·本文提出的分类框架图 | 第20-21页 |
| ·表单文本提取算法 | 第21-22页 |
| ·表单文本特征向量的构建 | 第22-25页 |
| ·普通文本特征向量的构建 | 第23页 |
| ·有语义的文本特征向量构建 | 第23-25页 |
| ·利用质心来加强特征向量 | 第25-27页 |
| ·质心特征向量的计算 | 第25-26页 |
| ·特征向量的加强 | 第26-27页 |
| ·系统实现 | 第27-32页 |
| ·文本预处理模块 | 第27-29页 |
| ·质心生成模块 | 第29-30页 |
| ·分类算法 | 第30-32页 |
| 第4章 实验与结果分析 | 第32-41页 |
| ·训练样例的收集 | 第32-33页 |
| ·实验部分 | 第33-39页 |
| ·实验一：单纯利用表单文本进行分类 | 第33-35页 |
| ·实验二：利用质心及表单文本进行分类 | 第35-36页 |
| ·实验三：利用语义特征向量进行分类 | 第36-38页 |
| ·实验四：利用质心及语义特征向量进行分类 | 第38-39页 |
| ·实验结果比较 | 第39-41页 |
| 第5章 Deep Web数据库分类的应用 | 第41-46页 |
| ·新的HIFI 架构 | 第41-42页 |
| ·表单结构分类器 | 第42-45页 |
| ·表单结构分析 | 第42-43页 |
| ·表单结构分类器构建 | 第43-45页 |
| ·合并分类器识别特定领域表单 | 第45-46页 |
| 第6章 结论及未来工作 | 第46-48页 |
| ·本文总结 | 第46-47页 |
| ·未来工作 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51-52页 |
| 摘要 | 第52-55页 |
| Abstract | 第55-57页 |