| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-11页 |
| 第1章 绪论 | 第11-17页 |
| ·课题背景及研究的目的和意义 | 第11-12页 |
| ·国内外研究现状分析 | 第12-15页 |
| ·信息抽取研究现状 | 第12-13页 |
| ·元数据提取研究现状 | 第13-15页 |
| ·本文的主要研究内容 | 第15-16页 |
| ·本文的组织结构 | 第16-17页 |
| 第2章 相关理论知识介绍 | 第17-25页 |
| ·机器学习 | 第17页 |
| ·统计机器学习 | 第17-19页 |
| ·统计机器学习的核心内容 | 第17-18页 |
| ·推广性的界 | 第18页 |
| ·结构风险的最小化 | 第18-19页 |
| ·支持向量机 | 第19-20页 |
| ·最优分类面 | 第19-20页 |
| ·支持向量机 | 第20页 |
| ·条件随机场模型 | 第20-24页 |
| ·条件随机场定义 | 第21-22页 |
| ·条件随机场模型形式 | 第22-23页 |
| ·参数估计 | 第23-24页 |
| ·条件随机场模型的优点 | 第24页 |
| ·本章小结 | 第24-25页 |
| 第3章 基于三阶条件随机场的论文元数据提取 | 第25-37页 |
| ·论文元数据 | 第25-26页 |
| ·论文头部元数据作用 | 第25页 |
| ·论文头部元数据定义 | 第25-26页 |
| ·针对论文头部元数据提取的三阶条件随机场模型 | 第26-27页 |
| ·基于三阶条件随机场的论文元数据提取框架 | 第27-28页 |
| ·论文头部预处理 | 第28-30页 |
| ·PDF 格式论文转换 | 第28-30页 |
| ·论文头部分块 | 第30页 |
| ·特征的归纳和选择 | 第30-32页 |
| ·局部特征 | 第30-31页 |
| ·布局特征 | 第31页 |
| ·词典特征 | 第31-32页 |
| ·特征提取方法 | 第32页 |
| ·三阶条件随机场模型的建立 | 第32-34页 |
| ·三阶条件随机场模型的参数估计 | 第32-33页 |
| ·数据稀疏问题 | 第33-34页 |
| ·平滑处理 | 第34页 |
| ·采用改进的 VITERBI 提取论文头部信息 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 基于 SVM 和三阶 CRF 的引文元数据混合提取 | 第37-43页 |
| ·引文元数据提取概述 | 第37-38页 |
| ·基于混合提取模型的引文元数据提取框架 | 第38-39页 |
| ·基于混合提取模型的引文元数据提取方法 | 第39-42页 |
| ·基于 SVM 的引文元数据提取方法 | 第39-40页 |
| ·基于三阶 CRF 的引文元数据提取方法 | 第40-41页 |
| ·基于混合提取模型的提取流程 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第5章 实验验证与分析 | 第43-51页 |
| ·实验数据和实验环境 | 第43-44页 |
| ·实验数据集 | 第43页 |
| ·实验环境 | 第43-44页 |
| ·实验评价指标 | 第44页 |
| ·基于三阶条件随机场的论文元数据提取方法的实验 | 第44-47页 |
| ·论文头部预处理 | 第44-46页 |
| ·实验结果和分析 | 第46-47页 |
| ·基于 SVM 和三阶 CRF 的引文元数据混合提取的验证 | 第47-50页 |
| ·论文引文预处理 | 第47-48页 |
| ·实验结果和分析 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第57-58页 |
| 致谢 | 第58-59页 |
| 作者简介 | 第59页 |