| 摘要 | 第1-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第10-17页 |
| ·研究背景 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·网页采集器的研究现状 | 第11-12页 |
| ·实体关系提取的研究现状 | 第12-14页 |
| ·研究内容和意义 | 第14-15页 |
| ·论文的组织 | 第15-17页 |
| 第二章 网页中人物实体关系提取相关技术概述 | 第17-27页 |
| ·网页解析技术 | 第17-19页 |
| ·基于网页模板的网页解析方法 | 第17-18页 |
| ·基于网页可视化的网页解析方法 | 第18页 |
| ·基于网页DOM 树的网页解析 | 第18-19页 |
| ·实体关系提取 | 第19-26页 |
| ·实体关系提取概述 | 第19-22页 |
| ·实体关系提取的主要技术 | 第22-25页 |
| ·实体关系提取面临的主要问题 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于WEB 的数据采集与人物信息提取 | 第27-46页 |
| ·网页采集器的设计 | 第27-35页 |
| ·网页采集器 | 第27-31页 |
| ·新闻主题网页采集器 | 第31-35页 |
| ·网页的过滤 | 第35-42页 |
| ·新闻网页的特点 | 第36-37页 |
| ·基于文本块统计的新闻网页提取算法 | 第37-41页 |
| ·基于文本块统计的新闻网页噪声过滤算法验证 | 第41-42页 |
| ·人名及人物属性信息提取 | 第42-45页 |
| ·文本中人名识别 | 第42-43页 |
| ·文本中人物属性信息的识别与提取 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 人物实体关系提取的MSVM-kNN 方法研究 | 第46-65页 |
| ·支持向量机 | 第46-49页 |
| ·SVM 实现分类的理论基础 | 第46-48页 |
| ·SVM 实现多类划分 | 第48-49页 |
| ·kNN 分类技术研究 | 第49-51页 |
| ·kNN 算法 | 第49-50页 |
| ·kNN 在处理分类问题时的不足 | 第50-51页 |
| ·MSVM-kNN 算法及其改进 | 第51-58页 |
| ·MSVM-kNN 算法 | 第51-53页 |
| ·改进的MSVM-kNN | 第53-58页 |
| ·基于MSVM-kNN 改进算法的人物实体关系抽取实验 | 第58-64页 |
| ·语料准备 | 第59页 |
| ·实验方案设计 | 第59-61页 |
| ·实验的结果与分析 | 第61-64页 |
| ·本章小结 | 第64-65页 |
| 第五章 人物实体关系提取系统设计与实现 | 第65-74页 |
| ·人物实体关系提取原型系统框架 | 第65-68页 |
| ·系统功能实现 | 第68-73页 |
| ·新闻网页抓取 | 第68-71页 |
| ·中文人名识别与人物属性信息提取 | 第71-72页 |
| ·人物关系查询功能 | 第72-73页 |
| ·本章小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-76页 |
| ·主要研究成果 | 第74-75页 |
| ·进一步的研究方向 | 第75-76页 |
| 致谢 | 第76-78页 |
| 参考文献 | 第78-85页 |
| 作者在学期间取得的学术成果 | 第85页 |