Web记录自动抽取与去重方法的研究与实现
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究背景及研究意义 | 第7-8页 |
| ·本文主要工作和创新点 | 第8-9页 |
| ·论文章节安排 | 第9-11页 |
| 第二章 Web 记录自动抽取方法研究 | 第11-23页 |
| ·信息抽取方法的研究现状 | 第11-13页 |
| ·常见信息抽取系统 | 第13-19页 |
| ·人工构建信息抽取系统 | 第14-15页 |
| ·有监督信息抽取系统 | 第15-16页 |
| ·半监督信息抽取系统 | 第16-17页 |
| ·无监督信息抽取系统 | 第17-19页 |
| ·Webhavest 工具 | 第19-21页 |
| ·本章小结 | 第21-23页 |
| 第三章 数据去重方法研究 | 第23-29页 |
| ·数据去重问题研究现状 | 第23-24页 |
| ·常见的字符串距离度量 | 第24-26页 |
| ·基于字符的距离度量方法 | 第24-25页 |
| ·基于单词的距离度量方法 | 第25-26页 |
| ·混合距离度量方法 | 第26页 |
| ·基于距离度量的中文数据去重方法 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第四章 Web 记录抽取与去重的自动集成方法研究 | 第29-45页 |
| ·数据源和属性处理方法 | 第29-35页 |
| ·数据来源 | 第29-32页 |
| ·不同属性的处理方法 | 第32-34页 |
| ·相关实体类 | 第34-35页 |
| ·自动化方法总览 | 第35-36页 |
| ·基于搜索引擎过滤的自动化方法 | 第36-40页 |
| ·方法的设计与实现 | 第36-39页 |
| ·实现中的问题与解决 | 第39-40页 |
| ·基于语义分词标注的自动化方法 | 第40-44页 |
| ·条件随机场 | 第40-42页 |
| ·方法的设计与实现 | 第42-43页 |
| ·实现中的问题 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 实验结果与分析 | 第45-57页 |
| ·自动 Web 记录抽取方法实验与分析 | 第45-53页 |
| ·任务难度比较 | 第45-47页 |
| ·所用技术比较 | 第47-48页 |
| ·自动化程度比较 | 第48-50页 |
| ·信息抓取测试 | 第50-53页 |
| ·数据去重方法实验与分析 | 第53-55页 |
| ·实验数据及实验环境 | 第53-54页 |
| ·实验结果及分析 | 第54-55页 |
| ·集成自动化方法实验与分析 | 第55-56页 |
| ·实验平台及数据集 | 第55页 |
| ·实验结果及分析 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 结束语 | 第57-59页 |
| ·总结 | 第57-58页 |
| ·展望 | 第58-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 作者在读期间研究成果 | 第65-67页 |
| 附录 A | 第67-70页 |
