| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第12-24页 |
| 1.1 课题研究的背景和意义 | 第12-13页 |
| 1.2 现阶段信息提取技术的分类 | 第13-22页 |
| 1.2.1 手工构建的IE(Information Extraction)系统 | 第15-18页 |
| 1.2.2 基于监督学习的WI(Wrapper Induction)系统 | 第18-19页 |
| 1.2.3 基于半监督学习的IE系统 | 第19-20页 |
| 1.2.4 基于非监督学习的IE系统 | 第20-22页 |
| 1.3 课题主要研究内容及创新点 | 第22-23页 |
| 1.4 论文的内容安排 | 第23-24页 |
| 2 ACME算法抽取Web新闻分析 | 第24-33页 |
| 2.1 概述 | 第24-25页 |
| 2.2 包装器描述语言--UFRE表达式 | 第25-26页 |
| 2.3 基于相似页面的ACME匹配算法 | 第26-29页 |
| 2.3.1 预处理阶段 | 第26-27页 |
| 2.3.2 首标签对齐匹配 | 第27-28页 |
| 2.3.3 字符串失配:定位待抽取信息 | 第28页 |
| 2.3.4 标签失配: 发现抽取信息的可选项和迭代项 | 第28-29页 |
| 2.4 实验与分析 | 第29-31页 |
| 2.4.1 实验数据集 | 第30页 |
| 2.4.2 实验结果分析 | 第30-31页 |
| 2.5 本章小结 | 第31-33页 |
| 3 基于噪音过滤包装器的Web新闻正文抽取方法(SLPR) | 第33-54页 |
| 3.1 概述 | 第33-34页 |
| 3.2 字符串标签路径比 | 第34-38页 |
| 3.2.1 DOM树 | 第34-35页 |
| 3.2.2 字符串标签路径比 | 第35-37页 |
| 3.2.3 扩展字符串标签路径比 | 第37-38页 |
| 3.3 Web新闻正文抽取方法SLPR | 第38-45页 |
| 3.3.1 基于字符串标签路径比的SLPR | 第38-43页 |
| 3.3.2 基于扩展字符串标签路径比的E-SLPR | 第43-45页 |
| 3.4 实验与分析 | 第45-53页 |
| 3.4.1 Web新闻抽取质量评估标准 | 第45-47页 |
| 3.4.2 实验数据集与阈值参数α的设置 | 第47-49页 |
| 3.4.3 SLPR方法抽取Web新闻性能评估 | 第49-51页 |
| 3.4.4 对比实验与分析 | 第51-53页 |
| 3.5 本章小结 | 第53-54页 |
| 4 基于朴素贝叶斯分类器抽取Web新闻网页标题和时间算法 | 第54-62页 |
| 4.1 概述 | 第54-55页 |
| 4.2 利用HTML解析器构建训练集 | 第55-56页 |
| 4.3 提取特征元素 | 第56-58页 |
| 4.3.1 提取新闻标题的特征元素 | 第56-57页 |
| 4.3.2 提取新闻时间的特征元素 | 第57-58页 |
| 4.4 基于朴素贝叶斯分类器抽取Web新闻网页标题和时间 | 第58-59页 |
| 4.5 实验与分析 | 第59-61页 |
| 4.6 本章小结 | 第61-62页 |
| 5 Web新闻抽取原型系统的实现 | 第62-68页 |
| 5.1 概述 | 第62-63页 |
| 5.2 Web新闻抽取原型系统 | 第63-65页 |
| 5.2.1 设置参数模块 | 第63-64页 |
| 5.2.2 Web页面清洗和解析模块 | 第64页 |
| 5.2.3 过滤噪音包装器归纳模块 | 第64页 |
| 5.2.4 新闻正文抽取模块 | 第64-65页 |
| 5.2.5 标题和日期抽取模块 | 第65页 |
| 5.3 系统运行效果 | 第65-66页 |
| 5.4 本章小结 | 第66-68页 |
| 6 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68-69页 |
| 6.2 展望 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第73-75页 |
| 学位论文数据集 | 第75页 |
