基于领域特征的Web数据实体抽取的研究
| 摘要 | 第1-10页 |
| ABSTRACT | 第10-12页 |
| 第一章 绪论 | 第12-20页 |
| ·课题研究背景 | 第12-14页 |
| ·国内外研究现状 | 第14-17页 |
| ·研究课题的主要内容 | 第17-18页 |
| ·本文所做的主要工作 | 第18-19页 |
| ·本文的组织结构 | 第19-20页 |
| 第二章 面向领域的WEB数据实体抽取框架 | 第20-30页 |
| ·基于旅游领域知识的实体抽取框架TIEEF | 第20-22页 |
| ·TIEEF框架组成 | 第22-29页 |
| ·数据源层 | 第22-23页 |
| ·预处理层 | 第23-25页 |
| ·实体抽取层 | 第25-28页 |
| ·数据集成层 | 第28-29页 |
| ·信息抽取服务过程 | 第29页 |
| ·小结 | 第29-30页 |
| 第三章 领域知识和实体存储的设计 | 第30-36页 |
| ·利用XML组织数据 | 第30页 |
| ·领域词汇的组织 | 第30-31页 |
| ·实体的组织和存储 | 第31-33页 |
| ·将实体存储和Lucene的存储系统结合起来 | 第33-34页 |
| ·缓冲管理 | 第34-35页 |
| ·小结 | 第35-36页 |
| 第四章 WEB数据实体抽取过程 | 第36-55页 |
| ·预处理与中文分词的选择 | 第36-39页 |
| ·Lucene中的中文分词 | 第37-39页 |
| ·领域词汇的过滤识别 | 第39页 |
| ·页面的分块过滤 | 第39-46页 |
| ·领域词汇的分块过滤 | 第42-45页 |
| ·试验分析 | 第45-46页 |
| ·分析总结 | 第46页 |
| ·索引的建立 | 第46-48页 |
| ·TIEEF实体存储的设计 | 第47-48页 |
| ·利用条件随机场进行领域命名实体的识别 | 第48-54页 |
| ·命名实体识别的主要方法 | 第49-50页 |
| ·最大熵理论与条件随机场 | 第50-52页 |
| ·训练集 | 第52-53页 |
| ·特征选择 | 第53-54页 |
| ·小结 | 第54-55页 |
| 第五章 TIEEF运行系统实例分析 | 第55-59页 |
| ·评价指标 | 第55页 |
| ·试验数据分析 | 第55-58页 |
| ·手工抓取特定相关网站 | 第56-57页 |
| ·爬虫根据相关种子随机抓取页面 | 第57页 |
| ·爬虫抓取页面后进行分类 | 第57-58页 |
| ·领域词汇实体的识别 | 第58页 |
| ·小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-62页 |
| ·本文工作总结 | 第59-60页 |
| ·未来工作展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士学位期间发表的学术论文目录 | 第67-68页 |
| 攻读硕士学位期间参与科研项目情况 | 第68-69页 |
| 学位论文评阅及答辩情况表 | 第69页 |
