| 提要 | 第1-8页 |
| 第一章 绪论 | 第8-25页 |
| ·互联网的兴起 | 第8-9页 |
| ·通用搜索引擎 | 第9-14页 |
| ·搜索引擎的分类 | 第9-10页 |
| ·搜索引擎的发展历史 | 第10-11页 |
| ·搜索引擎的基本原理 | 第11-12页 |
| ·搜索引擎的局限性 | 第12-13页 |
| ·搜索引擎的未来发展 | 第13-14页 |
| ·面向主题的Internet资源发现 | 第14-19页 |
| ·主题爬行技术概述 | 第15-17页 |
| ·爬行网页集合的后处理 | 第17-18页 |
| ·主题爬行与通用搜索引擎的关系 | 第18-19页 |
| ·本文的研究内容 | 第19-22页 |
| ·研究背景 | 第19-20页 |
| ·关于锚文本（Anchor Text）的假设 | 第20页 |
| ·本文的研究思路与内容 | 第20-22页 |
| ·相关工作 | 第22-23页 |
| ·本文的组织 | 第23-25页 |
| 第二章 相关技术 | 第25-55页 |
| ·信息检索技术 | 第25-27页 |
| ·布尔模型 | 第25-26页 |
| ·向量模型 | 第26-27页 |
| ·概率模型 | 第27页 |
| ·监督学习技术 | 第27-42页 |
| ·监督学习的背景 | 第28页 |
| ·特征选择 | 第28-34页 |
| ·贪婪包含算法（Greedy Inclusion Algorithm） | 第30-33页 |
| ·切断算法（Truncation Algorithm） | 第33-34页 |
| ·评价文本分类器 | 第34-36页 |
| ·精度测量 | 第35-36页 |
| ·贝叶斯学习器 | 第36-37页 |
| ·朴素贝叶斯学习器 | 第37页 |
| ·最近邻学习器 | 第37-39页 |
| ·优势与不足 | 第38-39页 |
| ·支持向量机（Support Vector Machine） | 第39-41页 |
| ·超文本分类 | 第41-42页 |
| ·超文本的表示 | 第41-42页 |
| ·主题爬行技术 | 第42-53页 |
| ·爬行框架 | 第43页 |
| ·爬行算法 | 第43-50页 |
| ·Best-First算法 | 第43-44页 |
| ·SharkSearch算法 | 第44-46页 |
| ·双分类器Critic-Apprentice框架 | 第46-48页 |
| ·Context Graphs爬行算法 | 第48-49页 |
| ·增强学习（Reinforcement Learning） | 第49-50页 |
| ·性能评价 | 第50-53页 |
| ·超文本分类器的性能评价 | 第52-53页 |
| ·小结 | 第53-55页 |
| 第三章 TFIDF-2模型与质心构建 | 第55-65页 |
| ·文档特征权重及其计算 | 第55-56页 |
| ·质心特征权重及其计算 | 第56-57页 |
| ·实验方法与实验结果 | 第57-63页 |
| ·使用质心向量进行文本分类 | 第57-60页 |
| ·使用质心向量提取未标识数据集中的相关文档 | 第60-62页 |
| ·本体与质心向量相结合提取未标识数据集中的相关文档 | 第62-63页 |
| ·小结 | 第63-65页 |
| 第四章 基于质心的增量式主题爬行 | 第65-77页 |
| ·概述 | 第65页 |
| ·网页抓取与解析 | 第65-66页 |
| ·锚文本在主题爬行中的使用 | 第66-67页 |
| ·后端分类器的训练 | 第67页 |
| ·前端分类器的训练 | 第67-69页 |
| ·爬行优先级队列 | 第69页 |
| ·爬行框架 | 第69-70页 |
| ·主题爬行 | 第70-72页 |
| ·具有增量性质的主题爬行 | 第71-72页 |
| ·实验方法与结果 | 第72-75页 |
| ·比较Sum+Back与Best-First两种爬行策略的效率 | 第72-73页 |
| ·对比链接上下文信息三种提取方法的性能 | 第73页 |
| ·检验TFIDF-2模型的有效性 | 第73-74页 |
| ·基于质心向量的增量式主题爬行 | 第74-75页 |
| ·小结 | 第75-77页 |
| 第五章 总结与展望 | 第77-80页 |
| ·本文的创新工作 | 第77-78页 |
| ·不足之处与未来的工作 | 第78-80页 |
| 参考文献 | 第80-89页 |
| 攻读博士期间发表的学术论文及其它成果 | 第89-91页 |
| 致谢 | 第91-92页 |
| 摘要 | 第92-96页 |
| ABSTRACT | 第96-99页 |
