基于领域的主题信息采集技术研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-21页 |
| ·课题的研究背景和意义 | 第11-12页 |
| ·信息采集概述 | 第12-15页 |
| ·信息采集的基本原理 | 第12-13页 |
| ·信息采集的结构 | 第13-15页 |
| ·信息采集的发展现状 | 第15-17页 |
| ·信息采集的分类 | 第15-17页 |
| ·面向主题的信息采集的发展 | 第17页 |
| ·信息采集面临的主要问题和解决策略 | 第17-19页 |
| ·本文的主要工作 | 第19页 |
| ·论文组织结构 | 第19-21页 |
| 第2章 相关理论与技术 | 第21-29页 |
| ·中文分词 | 第21-22页 |
| ·本体与本体描述语言 | 第22-27页 |
| ·本体描述语言 | 第22-24页 |
| ·本体构建规则 | 第24页 |
| ·本体构建工具 | 第24-25页 |
| ·本体解析 | 第25-27页 |
| ·BERKELEY DB实现链接存储技术 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 基于领域本体的主题信息抽取 | 第29-41页 |
| ·网页的预处理 | 第29-31页 |
| ·建立DOM树 | 第29-30页 |
| ·网页标题的提取 | 第30页 |
| ·网页正文内容的提取 | 第30-31页 |
| ·本体构建 | 第31-33页 |
| ·本体解析 | 第33-35页 |
| ·基于Jena的本体解析 | 第33-35页 |
| ·主题描述 | 第35-38页 |
| ·主题描述方法 | 第36-37页 |
| ·基于本体的主题领域描述方法 | 第37-38页 |
| ·基于知网的语义分析技术 | 第38-40页 |
| ·知网简介 | 第38页 |
| ·知网对词语的描述 | 第38-39页 |
| ·义原相似度计算 | 第39-40页 |
| ·词语相似度的计算 | 第40页 |
| ·本章小结 | 第40-41页 |
| 第4章 页面与主题领域相关性判断算法 | 第41-56页 |
| ·基于本体的领域知识集的构建 | 第41-45页 |
| ·构建本体概念树 | 第41-42页 |
| ·获得本体中的概念和权值 | 第42-43页 |
| ·语义消歧 | 第43-45页 |
| ·生成领域义原集 | 第45页 |
| ·链接与主题相似度计算 | 第45-50页 |
| ·页面问链接分析 | 第46页 |
| ·PageRank算法 | 第46-47页 |
| ·PageRank算法的不足和改进 | 第47-48页 |
| ·链接信息的分析 | 第48-49页 |
| ·链接与主题相似度计算 | 第49-50页 |
| ·网页与主题相似度计算 | 第50-56页 |
| ·空间向量模型 | 第50-52页 |
| ·基于Web页面分析的文本空间向量 | 第52-54页 |
| ·基于语义分析的网页内容与主题相关度的计算 | 第54-56页 |
| 第5章 系统实现及其结果分析 | 第56-64页 |
| ·实验环境 | 第56页 |
| ·HERITRIX简介 | 第56-61页 |
| ·Heritrix架构分析 | 第56-58页 |
| ·Heritrix在主题信息采集中的应用 | 第58-61页 |
| ·实验 | 第61-64页 |
| ·评估指标 | 第61-62页 |
| ·种子URL | 第62页 |
| ·实验结果及分析 | 第62-64页 |
| 第6章 总结与展望 | 第64-66页 |
| ·总结 | 第64-65页 |
| ·进一步研究 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69-70页 |
| 攻读硕士学位期间发表的论文和参研项目情况 | 第70页 |
