垂直搜索中信息属性抽取和分类模型研究与实现
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-12页 |
| ·研究背景 | 第8-9页 |
| ·研究现状 | 第9-10页 |
| ·本文研究内容 | 第10-11页 |
| ·本文组织结构 | 第11-12页 |
| 第二章 理论基础和相关技术 | 第12-24页 |
| ·Web 信息抽取概述 | 第12-13页 |
| ·Web 信息抽取方法 | 第13-18页 |
| ·基于自然语言理解的方法 | 第13-14页 |
| ·基于HTML 结构的信息抽取方法 | 第14-16页 |
| ·基于包装器归纳方式的信息抽取方法 | 第16-17页 |
| ·基于Ontology 方式的信息抽取方法 | 第17页 |
| ·基于视觉特征的Web 信息抽取方法 | 第17-18页 |
| ·信息抽取评价指标 | 第18-19页 |
| ·文本分类技术 | 第19-23页 |
| ·中文分词技术 | 第19-20页 |
| ·文本表示方法 | 第20-22页 |
| ·特征选取 | 第22-23页 |
| ·文本分类评价指标 | 第23页 |
| ·小结 | 第23-24页 |
| 第三章 人工神经网络知识 | 第24-30页 |
| ·神经网络简介 | 第24-26页 |
| ·人工神经元模型 | 第24-25页 |
| ·人工神经网络的分类 | 第25页 |
| ·人工神经网络的学习方式 | 第25-26页 |
| ·BP 神经网络 | 第26-29页 |
| ·BP 网络结构模型 | 第26-27页 |
| ·BP 网络学习规则 | 第27-29页 |
| ·BP 神经网络改进算法 | 第29页 |
| ·小结 | 第29-30页 |
| 第四章 基于神经网络的信息抽取方法研究及改进 | 第30-42页 |
| ·方法的提出 | 第30-32页 |
| ·方法的改进 | 第32-40页 |
| ·页面预处理 | 第33-35页 |
| ·相关度计算 | 第35-37页 |
| ·BP 模型的设计 | 第37-39页 |
| ·BP 模型的训练 | 第39-40页 |
| ·实验分析与结论 | 第40-41页 |
| ·小结 | 第41-42页 |
| 第五章 信息抽取和分类系统设计与实现 | 第42-50页 |
| ·系统框架结构 | 第42-43页 |
| ·文本分类模块 | 第43-46页 |
| ·文本预处理 | 第44-45页 |
| ·特征选择 | 第45页 |
| ·向量化表示 | 第45页 |
| ·BP 模型的训练 | 第45-46页 |
| ·系统实现 | 第46-49页 |
| ·系统界面 | 第46-49页 |
| ·实验及测试结果 | 第49页 |
| ·小结 | 第49-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 攻读硕士学位期间取得的学术成果 | 第54-55页 |
| 致谢 | 第55页 |
