基于特定领域的Wed文本信息获取系统的研究与设计

论文摘要

随着Internet应用的普及,Web已成为人们获取信息的一个主要来源,搜索引擎虽说是人们检索Web信息的有力工具,但缺乏深入了解用户需求的方法和策略,加上Web所具有的开放性、动态性和异构性,使得用户(特别是特定领域的用户)很难快速、准确地从WWW上获取所需的信息。如何发现对我们有用或有益的信息,免受无用或有害信息的侵扰,是摆在我们面前一个值得研究的课题。 本文在讨论了Web的发展、特点及现有搜索引擎所存在缺陷的基础上,从特定领域用户获取Web文本信息的实际应用角度出发,通过从内容和语义上指导Web信息的搜索,尝试设计了一个基于特定领域的Web文本信息获取系统模型,从实现技术上提出了这个系统的体系结构、各组成模块的主要特点及其功能。同时,着重研究了该系统的几项关键技术:Robot技术、Web页面内容的分析和站点结构的分析技术、中文文本的分类

论文目录

• 第一章 绪论
• 1.1 引言
• 1.2 课题的研究背景与意义
• 1.2.1 Web文本信息挖掘的难点
• 1.2.2 Web文本信息挖掘中的关键技术
• 1.3 相关技术与国内外研究现状
• 1.3.1 目前国外的研究现状
• 1.3.2 目前国内的研究现状
• 1.4 本课题研究的内容及工作
• 1.5 论文大纲
• 第二章 搜索引擎
• 2.1 综述
• 2.2 搜索引擎基本构成及采用技术
• 2.3 搜索引擎的分类及其工作原理
• 2.3.1 搜索引擎的分类
• 2.3.2 搜索引擎的工作原理
• 2.4 搜索引擎的主要指标
• 2.5 现有搜索引擎的不足和缺点
• 2.6 搜索引擎的未来发展趋势
• 第三章 Web文本挖掘及其技术
• 3.1 文本挖掘的起源和主要任务
• 3.2 Web文本挖掘的过程及其任务
• 3.3 Web文本挖掘与Web信息检索的区别
• 3.4 中文分词技术
• 3.4.1 中文分词及其方法
• 3.4.2 中文分词技术的现状
• 3.4.3 中文分词的难点及其处理方法
• 3.5 系统的文档建模
• 第四章 文本分类
• 4.1 文本分类的定义和应用
• 4.2 文本分类的方法
• 4.3 合理分类的前提
• 4.4 文本分类的过程
• 4.5 分类器
• 4.5.1 概念
• 4.5.2 分类器的类型
• 4.6 文档相似度计算
• 4.7 分类器的准确度评估方法
• 4.8 文本分类的评估指标
• 第五章 基于特定领域的Web文本信息获取系统的设计
• 5.1 系统的结构框架
• 5.2 系统的模块组成及其功能划分
• 5.3 分类器的选择及训练
• 5.4 特征项集的构造及其原则
• 第六章 总结与展望
• 6.1 工作总结
• 6.2 进一步研究的方向
• 参考文献
• 致谢
• 攻读学位期间发表的学术论文和取得的科研成果