| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 前言 | 第8-15页 |
| 1.1 课题背景与意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-12页 |
| 1.3 论文研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第二章 网页信息抽取技术概述 | 第15-25页 |
| 2.1 网页信息抽取技术定义 | 第15页 |
| 2.2 网页信息抽取要解决的问题 | 第15-16页 |
| 2.3 关键技术 | 第16-20页 |
| 2.3.1 DOM(Document Object Model)文档对象模型 | 第16-17页 |
| 2.3.2 树编辑距离 | 第17-18页 |
| 2.3.3 聚类算法 | 第18-19页 |
| 2.3.4 Cyber Neko HTML Parser技术 | 第19-20页 |
| 2.4 网页信息抽取技术的分类 | 第20-23页 |
| 2.4.1 基于自然语言理解方式的信息抽取技术 | 第20页 |
| 2.4.2 基于统计理论的信息抽取技术 | 第20-21页 |
| 2.4.3 基于视觉特征的信息抽取技术 | 第21-22页 |
| 2.4.4 基于DOM技术的信息抽取技术 | 第22-23页 |
| 2.5 网页信息抽取评价标准 | 第23页 |
| 2.6 本章小结 | 第23-25页 |
| 第三章 基于树编辑距离的网页信息抽取 | 第25-36页 |
| 3.1 网页预处理的方法 | 第25-27页 |
| 3.2 定位主数据区域 | 第27-29页 |
| 3.3 数据记录的分割 | 第29-35页 |
| 3.3.1 相邻子树相似度的计算方法 | 第29-32页 |
| 3.3.2 自顶向下的聚类算法 | 第32-34页 |
| 3.3.3 选择最佳的记录分割方案 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 记录属性抽取 | 第36-42页 |
| 4.1 Sequence Alignment算法 | 第36-37页 |
| 4.1.1 SA算法的背景和简介 | 第36-37页 |
| 4.1.2 SA算法的分类 | 第37页 |
| 4.2 抽取数据记录的属性 | 第37-41页 |
| 4.3 本章小结 | 第41-42页 |
| 第五章 网页信息抽取系统设计与实现 | 第42-55页 |
| 5.1 开发工具以及实验环境 | 第42页 |
| 5.2 网页信息抽取系统设计 | 第42-49页 |
| 5.2.1 网页预处理模块 | 第43-45页 |
| 5.2.2 定位主数据区域模块 | 第45-46页 |
| 5.2.3 分割数据记录模块 | 第46-48页 |
| 5.2.4 数据记录属性抽取模块 | 第48-49页 |
| 5.3 实验运行结果及分析 | 第49-54页 |
| 5.4 本章小结 | 第54-55页 |
| 总结与展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61页 |