| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-20页 |
| ·课题研究背景和意义 | 第10-13页 |
| ·课题来源 | 第10页 |
| ·研究的背景与意义 | 第10-13页 |
| ·国内外相关研究和综述 | 第13-18页 |
| ·国内外主题爬虫研究现状 | 第14-17页 |
| ·现有主题爬虫的比较以及缺陷 | 第17-18页 |
| ·课题研究内容 | 第18-19页 |
| ·本文的结构安排 | 第19-20页 |
| 第2章 Web 视频资源智能发现的相关基础知识 | 第20-24页 |
| ·Web 视频资源发现的基本概念 | 第20-21页 |
| ·Web 视频资源 | 第20页 |
| ·Web 视频资源爬虫 | 第20-21页 |
| ·机器学习基本方法 | 第21-23页 |
| ·机械学习 | 第21-22页 |
| ·示教学习 | 第22页 |
| ·演绎学习 | 第22页 |
| ·类比学习 | 第22页 |
| ·解释学习 | 第22页 |
| ·归纳学习 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 Web 视频资源分布特征分析和特征知识库表示方法 | 第24-35页 |
| ·Web 视频资源分布特征 | 第24-25页 |
| ·Web 视频资源发现线索 | 第25-30页 |
| ·后缀格式 | 第25-26页 |
| ·URL 协议 | 第26-28页 |
| ·页面关键代码 | 第28-29页 |
| ·页面关键词 | 第29页 |
| ·URL 模式 | 第29-30页 |
| ·Web 视频资源特征库的定义与使用 | 第30-34页 |
| ·Web 视频资源特征库的定义 | 第30页 |
| ·Web 视频资源特征库的使用 | 第30-32页 |
| ·实验结果及分析 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第4章基于在线增量学习的Web 视频资源发现算法 | 第35-49页 |
| ·Web 视频资源发现模型研究 | 第35-40页 |
| ·基于静态特征知识库的Web 视频资源发现模型 | 第35-36页 |
| ·在线增量学习模型定义 | 第36-37页 |
| ·基于在线增量学习的Web 视频资源发现模型 | 第37-39页 |
| ·基于在线增量学习的Web 视频资源发现改进模型 | 第39-40页 |
| ·Web 视频资源智能发现算法研究 | 第40-44页 |
| ·评估算法概述 | 第40-41页 |
| ·Web 视频资源URL 模式特征增量学习算法 | 第41-42页 |
| ·Web 视频资源关键词特征增量学习算法 | 第42-44页 |
| ·基于在线增量学习的Web 视频资源发现算法 | 第44页 |
| ·实验与分析 | 第44-48页 |
| ·实验数据描述 | 第44-45页 |
| ·评测标准 | 第45页 |
| ·Web 视频资源发现实验结果分析 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 Web 视频资源智能发现系统设计与实现 | 第49-59页 |
| ·系统的功能和目标 | 第49-50页 |
| ·系统总体设计 | 第50-52页 |
| ·系统详细设计 | 第52-57页 |
| ·用户交互UI 模块 | 第52-53页 |
| ·数据库交互模块 | 第53-54页 |
| ·网络数据采集模块 | 第54-55页 |
| ·信息抽取模块 | 第55页 |
| ·视频疑似度评估模块 | 第55-56页 |
| ·页面扫描策略模块 | 第56页 |
| ·分布式负载均衡模块 | 第56-57页 |
| ·系统运用 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 结论 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 附录 | 第63-66页 |
| 致谢 | 第66页 |