| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第18-33页 |
| 1.1 研究背景 | 第18-22页 |
| 1.1.1 Web信息抽取技术概述 | 第18-20页 |
| 1.1.2 精确Web信息抽取的基本处理过程与主要问题 | 第20-21页 |
| 1.1.3 Web信息抽取的主要技术方法 | 第21-22页 |
| 1.2 相关工作 | 第22-29页 |
| 1.2.1 基于自动化程度的方法分类 | 第24-27页 |
| 1.2.2 基于信息抽取层次的方法分类 | 第27页 |
| 1.2.3 基于数据记录类型的方法分类 | 第27-28页 |
| 1.2.4 基于Web信息抽取处理阶段的方法分类 | 第28-29页 |
| 1.3 现有方法的主要不足 | 第29-30页 |
| 1.4 本文主要工作与创新点 | 第30-32页 |
| 1.4.1 本文主要研究工作 | 第30-31页 |
| 1.4.2 本文主要贡献和创新点 | 第31-32页 |
| 1.5 本文组织结构 | 第32-33页 |
| 第二章 精确Web信息抽取基本模型研究 | 第33-45页 |
| 2.1 Web网页的基本组成和网页表示 | 第33-35页 |
| 2.2 三阶段一体化精确Web信息抽取基本过程与模型 | 第35页 |
| 2.3 自动化网页浏览导航模型 | 第35-38页 |
| 2.3.1 用户交互和浏览导航动作模型 | 第36-37页 |
| 2.3.2 网页浏览导航路径模型 | 第37页 |
| 2.3.3 网页链接关系模型 | 第37-38页 |
| 2.4 精确网页数据抽取模型 | 第38-43页 |
| 2.4.1 网页数据抽取基本模型 | 第38-39页 |
| 2.4.2 网页数据记录模型 | 第39-42页 |
| 2.4.3 网页数据抽取处理过程 | 第42页 |
| 2.4.4 数据记录与数据项抽取规则模型 | 第42-43页 |
| 2.5 网页数据集成模型 | 第43-44页 |
| 2.6 本章小结 | 第44-45页 |
| 第三章 精确Web信息抽取规则体系与语言 | 第45-76页 |
| 3.1 问题背景与基本思路 | 第45-50页 |
| 3.1.1 基本问题与研究现状 | 第45-47页 |
| 3.1.2 基本思路 | 第47-49页 |
| 3.1.3 本章组织结构 | 第49-50页 |
| 3.2 精确Web信息抽取规则体系与页面模型 | 第50-51页 |
| 3.3 精确Web信息抽取规则语言的设计 | 第51-71页 |
| 3.3.1 网页浏览导航规则语言 | 第55-58页 |
| 3.3.2 网页数据抽取规则语言 | 第58-68页 |
| 3.3.3 网页数据集成规则语言 | 第68-71页 |
| 3.4 精确Web信息抽取规则语言完整应用示例 | 第71-75页 |
| 3.5 本章小结 | 第75-76页 |
| 第四章 基于内聚度和DAG的自动网页数据抽取方法 | 第76-110页 |
| 4.1 问题背景与基本方法 | 第76-84页 |
| 4.1.1 基本问题与研究现状 | 第76-82页 |
| 4.1.2 基本方法及其思路 | 第82-83页 |
| 4.1.3 数据记录抽取示例 | 第83-84页 |
| 4.1.4 本章组织结构 | 第84页 |
| 4.2 数据记录分析基础技术方法 | 第84-88页 |
| 4.2.1 节点相似度计算 | 第84-86页 |
| 4.2.2 相似节点聚类 | 第86-87页 |
| 4.2.3 数据块相似度计算与相似数据块聚类 | 第87页 |
| 4.2.4 内聚度计算 | 第87-88页 |
| 4.3 基于内聚度的自动数据记录识别方法 | 第88-103页 |
| 4.3.1 基本思想与基本算法 | 第88-90页 |
| 4.3.2 基于内聚度的相似连续数据块识别 | 第90-94页 |
| 4.3.3 基于分隔符的相似连续数据块识别 | 第94-99页 |
| 4.3.4 基于次序的相似连续数据块识别 | 第99-102页 |
| 4.3.5 基于首节点的相似连续数据块识别 | 第102-103页 |
| 4.4 基于DAG的数据项识别与对齐 | 第103-108页 |
| 4.4.1 基本方法与思路 | 第103-105页 |
| 4.4.2 两两节点序列对齐 | 第105-106页 |
| 4.4.3 基于DAG的全局节点对齐 | 第106-108页 |
| 4.4.4 数据项识别与对齐 | 第108页 |
| 4.5 本章小结 | 第108-110页 |
| 第五章 基于确定性有穷自动机的自动网页数据抽取方法 | 第110-150页 |
| 5.1 问题背景与基本方法 | 第110-114页 |
| 5.1.1 基本方法及其思路 | 第110-112页 |
| 5.1.2 基于DFA的数据抽取示例 | 第112-114页 |
| 5.1.3 本章组织结构 | 第114页 |
| 5.2 基于DFA的相似连续数据块识别 | 第114-139页 |
| 5.2.1 基于DFA的树模式推导 | 第115-131页 |
| 5.2.2 基于树模式的相似连续数据块识别方法 | 第131-139页 |
| 5.3 基于结构与视觉特征的相似非连续数据块识别方法 | 第139-143页 |
| 5.3.1 可重组二维表的识别与重组方法 | 第140-142页 |
| 5.3.2 相似非连续数据块识别算法 | 第142-143页 |
| 5.4 数据记录识别以及数据项识别与对齐 | 第143-145页 |
| 5.5 实验 | 第145-149页 |
| 5.5.1 数据记录抽取实验 | 第145-147页 |
| 5.5.2 数据项抽取实验 | 第147-149页 |
| 5.6 本章小结 | 第149-150页 |
| 第六章 精确Web信息抽取规则生成方法 | 第150-189页 |
| 6.1 问题背景与基本方法 | 第150-153页 |
| 6.1.1 基本问题与研究现状 | 第150-151页 |
| 6.1.2 基本方法及其思路 | 第151-152页 |
| 6.1.3 本章组织结构 | 第152-153页 |
| 6.2 基于决策树的XPath学习方法 | 第153-160页 |
| 6.2.1 基本思想方法 | 第153-155页 |
| 6.2.2 决策二维表的定义 | 第155-158页 |
| 6.2.3 基于特征的谓词生成方法 | 第158-160页 |
| 6.3 基于交互的半自动网页浏览导航规则生成方法 | 第160-166页 |
| 6.3.1 和节点元素的生成 | 第161-162页 |
| 6.3.2 节点元素的生成 | 第162-163页 |
| 6.3.3 浏览导航规则生成示例 | 第163-166页 |
| 6.4 网页数据抽取规则自动生成方法 | 第166-183页 |
| 6.4.1 基于自动化结构分析的数据抽取规则生成方法 | 第168-181页 |
| 6.4.2 基于交互的半自动数据抽取规则生成 | 第181-183页 |
| 6.5 网页数据集成规则生成方法 | 第183-185页 |
| 6.5.1 网页数据集成规则设计 | 第183页 |
| 6.5.2 多网页数据记录关系维护 | 第183-184页 |
| 6.5.3 流程控制规则 | 第184-185页 |
| 6.6 实验 | 第185-187页 |
| 6.6.1 数据记录抽取实验 | 第185-186页 |
| 6.6.2 数据项抽取实验 | 第186-187页 |
| 6.7 本章小结 | 第187-189页 |
| 第七章 精确Web信息抽取系统的设计与实现 | 第189-203页 |
| 7.1 系统总体设计框架与思路 | 第189-190页 |
| 7.2 系统功能设计 | 第190-191页 |
| 7.3 系统实现 | 第191-202页 |
| 7.3.1 系统组成模块 | 第191-192页 |
| 7.3.2 系统界面设计 | 第192-193页 |
| 7.3.3 系统模块设计 | 第193-202页 |
| 7.4 本章小结 | 第202-203页 |
| 第八章 总结与展望 | 第203-206页 |
| 8.1 总结 | 第203-205页 |
| 8.2 进一步工作展望 | 第205-206页 |
| 参考文献 | 第206-212页 |
| 致谢 | 第212-214页 |
| 攻读博士期间参与的科研项目 | 第214页 |
| 攻读博士期间发表的文章列表 | 第214页 |
| 攻读博士期间申请的专利 | 第214-215页 |
| 攻读博士期间登记的软件著作权 | 第215-216页 |
