基于标签的网页信息抽取方法研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 前言 | 第8-16页 |
| 1.1 课题背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.3 论文研究内容 | 第12-14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第二章 网页信息抽取方法综述 | 第16-25页 |
| 2.1 网页信息抽取概念 | 第16页 |
| 2.2 网页信息抽取重点解决的问题 | 第16-17页 |
| 2.3 网页信息抽取使用到的关键技术 | 第17-22页 |
| 2.3.1 HTML Parser技术 | 第17-18页 |
| 2.3.2 树编辑距离 | 第18-19页 |
| 2.3.3 网络爬虫 | 第19-21页 |
| 2.3.4 聚类算法 | 第21-22页 |
| 2.4 网页信息抽取方法介绍 | 第22-24页 |
| 2.4.1 基于ontology的信息抽取 | 第22-23页 |
| 2.4.2 基于统计的信息抽取 | 第23页 |
| 2.4.3 基于DOM树的信息抽取 | 第23页 |
| 2.4.4 基于Kernel的信息抽取 | 第23-24页 |
| 2.5 网页信息抽取方法评价标准 | 第24页 |
| 2.6 本章小结 | 第24-25页 |
| 第三章 基于标签的数据区域定位和分割 | 第25-40页 |
| 3.1 网页预处理 | 第25页 |
| 3.2 定位抽取的数据区域 | 第25-29页 |
| 3.2.1 数据区域的特征 | 第26-27页 |
| 3.2.2 影响数据区域判定的问题及解决方案 | 第27-29页 |
| 3.3 分割数据区域得到数据记录 | 第29-39页 |
| 3.3.1 树编辑距离 | 第29-33页 |
| 3.3.2 树节点权重的设置 | 第33-35页 |
| 3.3.3 节点聚类 | 第35-38页 |
| 3.3.4 选择最佳聚类方案 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 数据记录属性抽取 | 第40-46页 |
| 4.1 SA算法介绍 | 第40-41页 |
| 4.2 迭代比对得到模板数据记录 | 第41-43页 |
| 4.3 抽取属性记录 | 第43-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 实验系统 | 第46-59页 |
| 5.1 实验系统介绍 | 第46页 |
| 5.2 系统设计 | 第46-53页 |
| 5.2.1 网页预处理模块 | 第47-48页 |
| 5.2.2 数据区域定位模块 | 第48-49页 |
| 5.2.3 数据分割模块 | 第49-52页 |
| 5.2.4 属性补全和抽取模块 | 第52-53页 |
| 5.3 实验结果和分析 | 第53-58页 |
| 5.4 本章小结 | 第58-59页 |
| 总结与展望 | 第59-62页 |
| 总结 | 第59-60页 |
| 主要创新点 | 第60页 |
| 存在问题和未来方向 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 在学期间的研究成果 | 第66-67页 |
| 致谢 | 第67页 |
