| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第一章 绪论 | 第11-28页 |
| ·Web信息抽取技术的发展背景 | 第11-12页 |
| ·Web信息抽取主要处理过程 | 第12-14页 |
| ·Web信息抽取相关研究工作与技术分类 | 第14-20页 |
| ·手工编写规则的方法 | 第15-16页 |
| ·基于用户交互的半自动化方法 | 第16-17页 |
| ·基于机器学习的自动化方法 | 第17-20页 |
| ·Web信息抽取技术的主要研究问题 | 第20-22页 |
| ·现有研究工作的不足 | 第22-23页 |
| ·本文研究工作 | 第23-26页 |
| ·研究思路 | 第23-25页 |
| ·本文主要研究内容 | 第25-26页 |
| ·本文组织结构 | 第26-28页 |
| 第二章 精确Web信息抽取综合模型和页面自动分析技术 | 第28-34页 |
| ·结构分析自动化与用户交互半自动化的规则生成综合模型和方法 | 第28-29页 |
| ·面向精确Web信息抽取的自动化数据记录分析技术 | 第29-33页 |
| ·页面的信息分类 | 第30-31页 |
| ·自动化页面分析技术 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 简单树匹配算法简介 | 第34-39页 |
| ·基本概念 | 第34-35页 |
| ·HTML简介 | 第34-35页 |
| ·DOM简介 | 第35页 |
| ·DOM树相似度算法 | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 数据记录自动分析和识别技术 | 第39-49页 |
| ·HTML文档与节点特征体系 | 第39-40页 |
| ·基于基本特征的加权树匹配算法 | 第40-43页 |
| ·算法的基本思路 | 第40-41页 |
| ·算法的计算过程 | 第41-43页 |
| ·基于分类特征的分层过滤匹配策略 | 第43-44页 |
| ·数据块/数据记录识别算法 | 第44-47页 |
| ·数据块过滤算法 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 记录中的字段分析和识别技术 | 第49-58页 |
| ·记录间的数据对齐 | 第49-50页 |
| ·基于视觉和DOM树的字段分析算法 | 第50-53页 |
| ·纵向特征 | 第51-52页 |
| ·横向特征 | 第52页 |
| ·字段开始节点识别 | 第52-53页 |
| ·基于内容特征的字段矫正算法 | 第53-55页 |
| ·字段分析结果的表示以及到抽取规则的生成转换 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第六章 实验与分析 | 第58-63页 |
| ·实验数据 | 第58页 |
| ·实验结果及分析 | 第58-62页 |
| ·记录识别实验 | 第58-60页 |
| ·数据块识别实验 | 第60-61页 |
| ·字段识别实验 | 第61-62页 |
| ·实验小结 | 第62-63页 |
| 第七章 总结与展望 | 第63-65页 |
| ·本文总结 | 第63-64页 |
| ·进一步工作 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |