半结构化网页的信息抽取技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 前言 | 第8-16页 |
| ·课题背景与意义 | 第8-9页 |
| ·国内外研究现状 | 第9-13页 |
| ·论文研究内容 | 第13-14页 |
| ·论文组织结构 | 第14-16页 |
| 第二章 网页信息抽取技术综述 | 第16-25页 |
| ·网页信息抽取技术概念 | 第16页 |
| ·网页信息抽取要解决的主要问题 | 第16-17页 |
| ·网页信息抽取的关键技术 | 第17-20页 |
| ·DOM 模型 | 第17-18页 |
| ·树编辑距离 | 第18-19页 |
| ·HtmlParser 技术 | 第19-20页 |
| ·网页信息抽取技术分类 | 第20-23页 |
| ·手工构造的抽取系统 | 第21-22页 |
| ·基于监督的抽取系统 | 第22-23页 |
| ·基于半监督的抽取系统 | 第23页 |
| ·无监督的抽取系统 | 第23页 |
| ·信息抽取评价标准 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于树编辑距离聚类算法的网页信息抽取 | 第25-35页 |
| ·网页预处理 | 第25-26页 |
| ·主数据区域发现 | 第26-28页 |
| ·数据记录的分离 | 第28-33页 |
| ·简单树匹配算法 | 第28-31页 |
| ·聚类算法 | 第31-33页 |
| ·选择最佳分割方案 | 第33页 |
| ·本章小结 | 第33-35页 |
| 第四章 数据记录属性抽取 | 第35-40页 |
| ·序列比对算法简介 | 第35-38页 |
| ·序列比对问题的起源 | 第35页 |
| ·序列比对问题定义 | 第35页 |
| ·序列比对算法分类 | 第35-38页 |
| ·抽取数据记录属性 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第五章 实验系统设计 | 第40-51页 |
| ·开发工具以及实验环境 | 第40页 |
| ·信息抽取系统设计 | 第40-47页 |
| ·网页预处理模块 | 第41页 |
| ·主数据区域定位模块 | 第41页 |
| ·数据记录分离模块 | 第41-43页 |
| ·数据记录属性抽取模块 | 第43-44页 |
| ·实验运行结果及分析 | 第44-47页 |
| ·基于Lucene 的简单搜索引擎 | 第47-50页 |
| ·Lucene 简介 | 第47-48页 |
| ·本文所用插件简介 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 总结 | 第51-53页 |
| 主要工作 | 第51-52页 |
| 主要创新点 | 第52页 |
| 存在的问题及未来的方向 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57页 |
