摘要 | 第4-5页 |
abstract | 第5-6页 |
缩略词表 | 第11-12页 |
第一章 绪论 | 第12-17页 |
1.1 研究背景和意义 | 第12-13页 |
1.2 国内外研究现状 | 第13-15页 |
1.2.2 网页主题文本抽取 | 第13-14页 |
1.2.3 网页分类 | 第14-15页 |
1.3 本文主要工作与贡献 | 第15-16页 |
1.4 本文组织结构 | 第16-17页 |
第二章 网页数据预处理相关技术 | 第17-27页 |
2.1 数据采集 | 第17-19页 |
2.2 网页去噪 | 第19-21页 |
2.2.1 网页去重 | 第19页 |
2.2.2 页内噪声去除 | 第19-21页 |
2.3 网页过滤方法 | 第21-26页 |
2.3.1 网页特征提取 | 第21-22页 |
2.3.2 网页表示 | 第22页 |
2.3.3 网页特征选择 | 第22-24页 |
2.3.4 支持向量机算法 | 第24-25页 |
2.3.5 网页过滤评价标准 | 第25-26页 |
2.4 本章小结 | 第26-27页 |
第三章 基于DOM节点路径特征的潜在人物信息文本抽取方法 | 第27-46页 |
3.1 算法概述 | 第27-28页 |
3.2 节点路径 | 第28-31页 |
3.2.1 噪声标签过滤 | 第29-30页 |
3.2.2 节点路径定义 | 第30-31页 |
3.3 潜在人物信息正文文本抽取 | 第31-41页 |
3.3.1 节点路径特征系建立 | 第31-33页 |
3.3.2 节点路径聚类 | 第33-36页 |
3.3.3 正文类簇选择 | 第36-38页 |
3.3.4 簇内节点路径经验性调整 | 第38-40页 |
3.3.5 正文节点路径文本抽取 | 第40-41页 |
3.4 实验及方法评估 | 第41-45页 |
3.4.1 实验数据集 | 第41-42页 |
3.4.2 实验评估方法 | 第42页 |
3.4.3 实验结果及分析 | 第42-45页 |
3.5 本章小结 | 第45-46页 |
第四章 基于人物信息触发词特征的网页过滤方法 | 第46-71页 |
4.1 算法概述 | 第46-47页 |
4.2 人物信息网页数据源获取及标注 | 第47-51页 |
4.2.1 人物信息网页数据采集 | 第47-49页 |
4.2.2 人物信息网页类型标注 | 第49-51页 |
4.3 数据预处理 | 第51-61页 |
4.3.1 网页预处理 | 第52-54页 |
4.3.2 文本预处理 | 第54-61页 |
4.4 人物信息网页特征构建 | 第61-66页 |
4.4.1 人物属性触发词特征 | 第61-66页 |
4.4.2 人物信息网页结构特征 | 第66页 |
4.5 实验及方法评估 | 第66-70页 |
4.5.1 实验数据集 | 第67页 |
4.5.2 实验结果及分析 | 第67-70页 |
4.6 本章小结 | 第70-71页 |
第五章 总结与展望 | 第71-73页 |
5.1 工作总结 | 第71-72页 |
5.2 工作展望与不足 | 第72-73页 |
致谢 | 第73-74页 |
参考文献 | 第74-77页 |
攻读硕士学位期间取得的研究成果 | 第77页 |