| 摘要 | 第5-7页 |
| ABSTRACT | 第7-10页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.2.1 Web信息抽取研究现状 | 第14-16页 |
| 1.2.2 基于本体的Web信息抽取研究现状 | 第16-18页 |
| 1.3 论文主要工作 | 第18-19页 |
| 1.4 论文组织结构 | 第19-21页 |
| 第2章 相关知识概述 | 第21-33页 |
| 2.1 信息抽取技术概述 | 第21-26页 |
| 2.1.1 信息抽取的现状、对象和任务 | 第21-22页 |
| 2.1.2 Web信息抽取方法的分类 | 第22-24页 |
| 2.1.3 Web信息抽取方法的关键技术 | 第24-25页 |
| 2.1.4 信息抽取系统的评价指标 | 第25-26页 |
| 2.2 语义网概述 | 第26-29页 |
| 2.2.1 语义Web概念和体系结构 | 第26-27页 |
| 2.2.2 语义Web核心技术 | 第27-29页 |
| 2.3 本体概述 | 第29-32页 |
| 2.3.1 本体的定义 | 第29-30页 |
| 2.3.2 本体的组成元素 | 第30页 |
| 2.3.3 本体的分类 | 第30-31页 |
| 2.3.4 本体的作用 | 第31-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第3章 构建相关的领域本体 | 第33-49页 |
| 3.1 本体构建相关知识 | 第33-40页 |
| 3.1.1 本体构建规则 | 第33页 |
| 3.1.2 本体构建方法 | 第33-37页 |
| 3.1.3 本体构建工具 | 第37-38页 |
| 3.1.4 本体描述语言 | 第38-40页 |
| 3.2 构建微博领域本体--以新浪徽博为例 | 第40-48页 |
| 3.2.1 微博页面的分析 | 第40-41页 |
| 3.2.2 收集特定领域本体中相关概念、关系和属性 | 第41-44页 |
| 3.2.3 利用Protege5.0构建微博领域本体 | 第44-47页 |
| 3.2.4 本体检测 | 第47-48页 |
| 3.3 本章小结 | 第48-49页 |
| 第4章 基于领域本体的微博用户信息抽取方法 | 第49-60页 |
| 4.2 系统抽取框架的设计 | 第49-50页 |
| 4.3 领域本体的构建和概念块的划分 | 第50-51页 |
| 4.3.1 微博用户信息领域本体的构建 | 第50-51页 |
| 4.3.2 概念块的划分 | 第51页 |
| 4.4 本体实例块和“伪”本体 | 第51-54页 |
| 4.4.1 本体实例块 | 第51-52页 |
| 4.4.2 网络爬虫模块 | 第52-53页 |
| 4.4.3 “伪”本体 | 第53-54页 |
| 4.5 构造抽取规则 | 第54-56页 |
| 4.6 实验结果分析 | 第56-58页 |
| 4.6.1 开发工具和平台 | 第56页 |
| 4.6.2 数据来源 | 第56-57页 |
| 4.6.3 结果分析 | 第57-58页 |
| 4.7 本章小结 | 第58-60页 |
| 第5章 基于领域本体的Deep Web实体信息抽取方法 | 第60-72页 |
| 5.1 引言 | 第60-61页 |
| 5.2 数据区域的定位 | 第61-63页 |
| 5.2.1 去除噪音节点 | 第61-62页 |
| 5.2.2 定位数据区域 | 第62-63页 |
| 5.3 实体区域的定位 | 第63-65页 |
| 5.4 基于领域本体的实体信息后续处理方法 | 第65-68页 |
| 5.4.1 领域本体构建和实体语义标注 | 第65-66页 |
| 5.4.2 基于领域本体的实体信息抽取算法 | 第66-68页 |
| 5.5 实验结果分析 | 第68-71页 |
| 5.5.1 实验环境及工具 | 第68页 |
| 5.5.2 实验数据来源 | 第68页 |
| 5.5.3 结果分析 | 第68-71页 |
| 5.6 本章小结 | 第71-72页 |
| 第6章 总结和展望 | 第72-74页 |
| 6.1 论文总结 | 第72页 |
| 6.2 研究展望 | 第72-74页 |
| 参考文献 | 第74-79页 |
| 攻读学位期间参与的科研项目 | 第79页 |
| 攻读学位期间发表的学术论文目录 | 第79-80页 |
| 致谢 | 第80页 |
