| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 课题研究的目的和意义 | 第8-9页 |
| 1.2 国内外研究和综述 | 第9-13页 |
| 1.2.1 页面分块技术的研究现状 | 第9-11页 |
| 1.2.2 信息抽取技术的研究现状 | 第11-13页 |
| 1.3 课题研究内容 | 第13页 |
| 1.4 本文结构安排 | 第13-15页 |
| 第2章 Web 文章页面分块与信息抽取的相关知识 | 第15-26页 |
| 2.1 Web 文章模型 | 第15-16页 |
| 2.2 页面特征与页面分块算法相关概念 | 第16-20页 |
| 2.2.1 视觉特征 | 第16-17页 |
| 2.2.2 DOM 树结构特征 | 第17-18页 |
| 2.2.3 VIPS 页面分块算法 | 第18-19页 |
| 2.2.4 自下而上的页面分块算法 | 第19-20页 |
| 2.3 分类聚类算法 | 第20-24页 |
| 2.3.1 贝叶斯分类算法 | 第20-21页 |
| 2.3.2 决策树分类算法 | 第21-23页 |
| 2.3.3 Single-Pass 聚类算法 | 第23-24页 |
| 2.4 性能评价指标 | 第24页 |
| 2.5 本章小结 | 第24-26页 |
| 第3章 Web 文章的正文识别方法 | 第26-39页 |
| 3.1 页面分块算法设计 | 第26-29页 |
| 3.1.1 文本块 | 第26-28页 |
| 3.1.2 基于 Block 节点的页面分块算法 | 第28-29页 |
| 3.2 Web 文章的正文识别方法设计 | 第29-34页 |
| 3.2.1 Web 文章正文特征分析 | 第29-30页 |
| 3.2.2 基于贝叶斯的识别方法 | 第30-31页 |
| 3.2.3 基于决策树的识别方法 | 第31页 |
| 3.2.4 基于 Single-Pass 的识别方法 | 第31-34页 |
| 3.2.5 Web 文章正文文本的抽取 | 第34页 |
| 3.3 实验结果与分析 | 第34-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 Web 文章辅助信息的识别方法 | 第39-50页 |
| 4.1 Web 文章标题的识别 | 第39-41页 |
| 4.1.1 Web 文章标题特征分析 | 第39-40页 |
| 4.1.2 Web 文章标题的识别方法 | 第40-41页 |
| 4.2 Web 文章摘要的识别 | 第41-43页 |
| 4.2.1 Web 文章摘要特征分析 | 第41-42页 |
| 4.2.2 Web 文章摘要的识别方法 | 第42-43页 |
| 4.3 Web 文章插图及其小标题的识别 | 第43-45页 |
| 4.3.1 Web 文章插图及其小标题特征分析 | 第43-44页 |
| 4.3.2 Web 文章插图及其小标题的识别方法 | 第44-45页 |
| 4.4 Web 文章相关链接列表的识别 | 第45-46页 |
| 4.4.1 Web 文章相关链接列表特征分析 | 第45页 |
| 4.4.2 Web 文章相关链接列表的识别方法 | 第45-46页 |
| 4.5 实验结果与分析 | 第46-48页 |
| 4.6 本章小结 | 第48-50页 |
| 第5章 Web 文章信息自动抽取系统 | 第50-55页 |
| 5.1 系统功能目标 | 第50页 |
| 5.2 系统总体设计 | 第50-52页 |
| 5.3 系统模块详细设计 | 第52-54页 |
| 5.3.1 特征提取模块 | 第52页 |
| 5.3.2 页面分块模块 | 第52-53页 |
| 5.3.3 语义块识别模块 | 第53-54页 |
| 5.3.4 信息抽取模块 | 第54页 |
| 5.4 本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-62页 |
| 致谢 | 第62页 |