Web信息抽取规则及其学习算法
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-13页 |
| ·研究背景 | 第9页 |
| ·研究历史及发展现状 | 第9-11页 |
| ·研究内容 | 第11-12页 |
| ·论文组织结构 | 第12-13页 |
| 第2章 Web信息抽取概述 | 第13-29页 |
| ·自由文本、结构和半结构化文本 | 第13-14页 |
| ·自由文本 | 第13-14页 |
| ·结构化文本 | 第14页 |
| ·半结构化文本 | 第14页 |
| ·信息抽取与信息检索的区别及联系 | 第14-15页 |
| ·信息抽取工具分类 | 第15-26页 |
| ·基于Web查询的信息抽取 | 第15页 |
| ·基于HTML结构的信息抽取 | 第15-17页 |
| ·基于包装器归纳方式的信息抽取 | 第17-20页 |
| ·基于自由文本的信息抽取 | 第20-23页 |
| ·基于自然语言处理的信息抽取 | 第23-25页 |
| ·基于本体方式的信息抽取 | 第25-26页 |
| ·信息抽取与机器学习方法 | 第26-29页 |
| 第3章 抽取规则 | 第29-37页 |
| ·抽取规则的定义 | 第29-31页 |
| ·规则表示 | 第31-33页 |
| ·单槽和多槽抽取规则 | 第33-34页 |
| ·抽取规则获取方法 | 第34-37页 |
| 第4章 基于归纳的规则学习 | 第37-49页 |
| ·规则学习依据 | 第37-38页 |
| ·WHISK学习算法简介 | 第38-41页 |
| ·开始生成规则 | 第38-39页 |
| ·定位槽 | 第39-40页 |
| ·扩展规则 | 第40页 |
| ·修剪规则集 | 第40-41页 |
| ·规则学习过程 | 第41-45页 |
| ·相关概念 | 第41页 |
| ·训练实例生成 | 第41-42页 |
| ·训练实例预处理算法 | 第42-44页 |
| ·规则学习算法 | 第44-45页 |
| ·规则自动生成 | 第45页 |
| ·一个例子 | 第45-49页 |
| 第5章 系统框架及实现 | 第49-55页 |
| ·系统目标 | 第49页 |
| ·系统框架结构 | 第49-50页 |
| ·系统实现 | 第50-55页 |
| ·Web文档解析模块 | 第50-53页 |
| ·规则归纳学习模块 | 第53-55页 |
| 第6章 实验结果 | 第55-65页 |
| ·实验平台 | 第55页 |
| ·实验结果的评价标准 | 第55页 |
| ·实验结果及相关分析 | 第55-63页 |
| ·结构化数据 | 第56-58页 |
| ·半结构化数据 | 第58-63页 |
| ·与WHISK实验结果对比 | 第63-65页 |
| 第7章 结论与展望 | 第65-67页 |
| ·论文总结 | 第65页 |
| ·展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读学位期间公开发表论文 | 第71-72页 |
| 致谢 | 第72-73页 |
| 研究生履历 | 第73页 |
