| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-12页 |
| ·课题研究背景及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·研究内容和论文结构 | 第10-12页 |
| ·研究内容 | 第10-11页 |
| ·论文结构 | 第11-12页 |
| 第二章 Web文本挖掘综述 | 第12-23页 |
| ·Web文本挖掘概述 | 第12-15页 |
| ·Web文本挖掘的定义 | 第12页 |
| ·Web文本挖掘的任务 | 第12-14页 |
| ·Web文本挖掘的一般过程 | 第14页 |
| ·中文Web文本挖掘的主要步骤 | 第14-15页 |
| ·数据预处理技术 | 第15-20页 |
| ·中文Web文档采集 | 第15页 |
| ·Web文本信息提取 | 第15页 |
| ·Web文本的特征表示 | 第15-17页 |
| ·中文分词 | 第17-18页 |
| ·特征项取值 | 第18页 |
| ·特征降维 | 第18-20页 |
| ·Web文本分类 | 第20-21页 |
| ·Web文本聚类 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 Web文本信息提取 | 第23-36页 |
| ·网页文本信息抽取技术 | 第23-24页 |
| ·网页的基本结构、特点和表示 | 第24-26页 |
| ·预处理 | 第26-27页 |
| ·过滤文档集中与主题无关的页面 | 第26页 |
| ·初步过滤网页中与主题无关的信息 | 第26-27页 |
| ·网页有效文本信息提取 | 第27-35页 |
| ·相关概念和定义 | 第28-30页 |
| ·网页有效文本信息提取 | 第30-34页 |
| ·抽取结果 | 第34-35页 |
| ·小结 | 第35-36页 |
| 第四章 特征权重计算 | 第36-45页 |
| ·常用的权重计算方法 | 第36-37页 |
| ·TF-IDF算法分析 | 第37-39页 |
| ·熵与信息熵 | 第39-40页 |
| ·信息熵的基本概念 | 第39页 |
| ·信息熵的主要性质 | 第39-40页 |
| ·TF-IDF算法改进 | 第40-42页 |
| ·基于特征项的类分布信息改进 | 第40-41页 |
| ·基于文本语义的改进 | 第41-42页 |
| ·实验结果与分析 | 第42-44页 |
| ·训练集与测试集 | 第42页 |
| ·实验过程及数据分析 | 第42-44页 |
| ·小结 | 第44-45页 |
| 第五章 中文Web文本挖掘系统原型CWTMS的构建与实现 | 第45-59页 |
| ·系统的总体设计与分析 | 第45-48页 |
| ·系统功能概述和结构框架 | 第45-47页 |
| ·系统具体设计 | 第47-48页 |
| ·系统使用的开发环境和语言 | 第48页 |
| ·插件技术及其在CWTMS中的应用 | 第48-50页 |
| ·插件技术 | 第48-49页 |
| ·插件技术在原型系统中的应用 | 第49-50页 |
| ·系统的总体实现 | 第50-58页 |
| ·数据采集模块 | 第51页 |
| ·文档内容提取模块 | 第51页 |
| ·词条抽取模块 | 第51-54页 |
| ·特征选择模块 | 第54-55页 |
| ·文本表示模块 | 第55-57页 |
| ·自动分类模块 | 第57-58页 |
| ·小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| ·本文工作总结 | 第59页 |
| ·工作展望 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66-67页 |
| 攻读学位期间主要的研究成果 | 第67页 |