| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景 | 第11-13页 |
| 1.2 国内外研究现状概况 | 第13-15页 |
| 1.2.1 包装器归纳方法 | 第13-14页 |
| 1.2.2 基于 DOM 树的方法 | 第14-15页 |
| 1.3 研究目的与意义 | 第15-16页 |
| 1.4 论文的主要研究内容 | 第16页 |
| 1.5 本文组织 | 第16-18页 |
| 第二章 Web 信息抽取与相关技术 | 第18-28页 |
| 2.1 Web 信息抽取技术综述 | 第18-23页 |
| 2.1.1 规则方法 | 第19-21页 |
| 2.1.2 统计学习方法 | 第21-22页 |
| 2.1.3 基于本体的方法 | 第22-23页 |
| 2.2 Web 信息抽取的评价方法 | 第23-24页 |
| 2.3 相关技术 | 第24-27页 |
| 2.3.1 网页标记语言 | 第24-25页 |
| 2.3.2 DOM 文档模型 | 第25-26页 |
| 2.3.3 网页解析技术 | 第26-27页 |
| 2.4 小结 | 第27-28页 |
| 第三章 基于快速结构捕获的聚焦爬虫设计 | 第28-47页 |
| 3.1 概述 | 第28-29页 |
| 3.2 相关工作 | 第29-31页 |
| 3.2.1 基于本体的聚焦爬虫 | 第29-30页 |
| 3.2.2 基于结构的聚焦爬虫 | 第30-31页 |
| 3.3 快速结构捕获算法 | 第31-40页 |
| 3.3.1 URL 相似度计算 | 第31-36页 |
| 3.3.2 结构相似度计算 | 第36-38页 |
| 3.3.3 内容相似度计算 | 第38-40页 |
| 3.4 抓取策略 | 第40-41页 |
| 3.5 实验与分析 | 第41-46页 |
| 3.5.1 数据集 | 第41-42页 |
| 3.5.2 实验结果与分析 | 第42-46页 |
| 3.6 小结 | 第46-47页 |
| 第四章 面向稀疏样本的特征匹配算法 | 第47-65页 |
| 4.1 概述 | 第47-48页 |
| 4.2 相关工作 | 第48-50页 |
| 4.2.1 特征描述方法 | 第48-49页 |
| 4.2.2 特征选择方法 | 第49-50页 |
| 4.3 特征匹配算法 | 第50-60页 |
| 4.3.1 特征模型 | 第51-56页 |
| 4.3.2 基于统计的特征权重计算 | 第56-58页 |
| 4.3.3 基于权重的特征匹配 | 第58-59页 |
| 4.3.4 基于反馈的权重更新 | 第59-60页 |
| 4.4 实验与分析 | 第60-64页 |
| 4.4.1 数据集 | 第60-61页 |
| 4.4.2 面向稀疏样本的特征匹配算法精度 | 第61-63页 |
| 4.4.3 面向稀疏样本的 Web 信息抽取系统总体性能 | 第63-64页 |
| 4.5 小结 | 第64-65页 |
| 第五章 系统的设计与实现 | 第65-75页 |
| 5.1 概述 | 第65页 |
| 5.2 总体框架 | 第65-68页 |
| 5.2.1 功能模块设计 | 第65-67页 |
| 5.2.2 功能模块介绍 | 第67-68页 |
| 5.3 模块实现 | 第68-69页 |
| 5.4 系统使用示例 | 第69-74页 |
| 5.5 小结 | 第74-75页 |
| 第六章 结论与展望 | 第75-77页 |
| 6.1 研究工作的创新性 | 第75页 |
| 6.2 研究工作的延展性 | 第75-77页 |
| 参考文献 | 第77-83页 |
| 作者在攻读硕士学位期间公开发表的论文 | 第83-84页 |
| 作者在攻读硕士学位期间所作的项目 | 第84-85页 |
| 致谢 | 第85页 |