| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 爬虫技术国内外研究现状 | 第10页 |
| 1.2.2 web信息抽取技术国内外研究现状 | 第10-12页 |
| 1.3 论文的主要内容 | 第12-13页 |
| 1.4 论文结构安排 | 第13-15页 |
| 第二章 web信息抽取系统相关技术介绍 | 第15-20页 |
| 2.1 网络爬虫技术 | 第15-17页 |
| 2.1.1 全网爬虫 | 第15-16页 |
| 2.1.2 增量式爬虫 | 第16-17页 |
| 2.2 Web信息抽取技术 | 第17-19页 |
| 2.2.1 基于包装器的web信息抽取系统 | 第17-18页 |
| 2.2.2 基于视觉的网页分块技术 | 第18-19页 |
| 2.2.3 Web信息抽取系统的评价标准 | 第19页 |
| 2.3 本章小结 | 第19-20页 |
| 第三章 正则表达式在web信息抽取技术中的应用 | 第20-35页 |
| 3.1 正则表达式应用在信息抽取技术中的可行性分析 | 第20页 |
| 3.2 增量式统一信息抽取系统需求 | 第20-21页 |
| 3.3 增量式统一信息抽取系统架构 | 第21-23页 |
| 3.4 各模块详细设计 | 第23-27页 |
| 3.4.1 模板定制模块详细设计 | 第23-24页 |
| 3.4.2 网页下载模块详细设计 | 第24-25页 |
| 3.4.3 匹配模块详细设计 | 第25-26页 |
| 3.4.4 增量处理模块详细设计 | 第26-27页 |
| 3.5 主程序接口介绍 | 第27页 |
| 3.6 系统流程 | 第27-30页 |
| 3.7 数据存储 | 第30-31页 |
| 3.8 结果展示 | 第31-34页 |
| 3.9 本章小结 | 第34-35页 |
| 第四章 图书馆信息采集系统 | 第35-46页 |
| 4.1 需求分析 | 第35-36页 |
| 4.2 系统架构 | 第36-37页 |
| 4.3 采集模块实现 | 第37-42页 |
| 4.3.1 图书馆网站分类 | 第38-39页 |
| 4.3.2 断点续爬机制 | 第39-40页 |
| 4.3.3 采集模块的流程 | 第40-42页 |
| 4.4 采集程序监控模块 | 第42页 |
| 4.5 数据校对模块 | 第42-43页 |
| 4.6 数据存储模块 | 第43-44页 |
| 4.7 结果展示 | 第44-45页 |
| 4.8 本章小结 | 第45-46页 |
| 第五章 基于网页视觉分块的BBS评论信息抽取技术研究 | 第46-60页 |
| 5.1 HTML预处理 | 第46-47页 |
| 5.2 网页清洗 | 第47-48页 |
| 5.3 构造带有视觉信息的DOM树 | 第48-49页 |
| 5.4 获取网页正文块 | 第49-54页 |
| 5.4.1 基于视觉信息的网页分块 | 第50-51页 |
| 5.4.2 基于信息论模型的网页分块 | 第51-54页 |
| 5.5 基于树的深度相似度算法提取BBS评论信息 | 第54-56页 |
| 5.5.1 子树最优自由匹配准则 | 第54-55页 |
| 5.5.2 基于深度加权的DOM树相似度度量 | 第55-56页 |
| 5.5.3 评论信息抽取方法 | 第56页 |
| 5.6 实验结果分析 | 第56-59页 |
| 5.7 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-61页 |
| 参考文献 | 第61-63页 |
| 致谢 | 第63-64页 |
| 攻读学位期间发表的学术论文目录 | 第64页 |