基于节点类型标注的网页主题信息提取技术研究
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 英文缩略表 | 第11-12页 |
| 第一章 引言 | 第12-16页 |
| 1.1 研究背景与研究意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 论文研究内容 | 第14页 |
| 1.4 论文技术路线 | 第14-15页 |
| 1.5 论文组织结构 | 第15-16页 |
| 第二章 网页主题信息抽取 | 第16-23页 |
| 2.1 网页主题信息抽取算法介绍 | 第16-20页 |
| 2.1.1 基于模板匹配的方法 | 第16-17页 |
| 2.1.2 基于机器学习的方法 | 第17-18页 |
| 2.1.3 基于启发式规则的方法 | 第18-19页 |
| 2.1.4 其他方法 | 第19-20页 |
| 2.2 网页主题信息抽取评价方法 | 第20-21页 |
| 2.2.1 直接评价法 | 第20-21页 |
| 2.2.2 间接评价法 | 第21页 |
| 2.3 网页主题信息抽取应用 | 第21-22页 |
| 2.3.1 网页语料处理 | 第21页 |
| 2.3.2 网页内容转换 | 第21-22页 |
| 2.3.3 网页数据挖掘 | 第22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 节点类型及内聚度 | 第23-33页 |
| 3.1 节点类型 | 第24-28页 |
| 3.1.1 标准DOM节点类型 | 第24-26页 |
| 3.1.2 本文DOM节点类型 | 第26-28页 |
| 3.2 节点内聚度 | 第28-32页 |
| 3.2.1 VIPS方法中的内聚度 | 第29页 |
| 3.2.2 本文方法中的内聚度 | 第29-32页 |
| 3.3 本章小结 | 第32-33页 |
| 第四章 基于节点类型标注的方法 | 第33-40页 |
| 4.1 网页预处理 | 第33-34页 |
| 4.1.1 HTML语法的格式化 | 第33页 |
| 4.1.2 特定标签的处理 | 第33-34页 |
| 4.2 节点类型标注 | 第34-35页 |
| 4.3 主题信息抽取 | 第35-39页 |
| 4.3.1 选取最佳剪枝文本节点 | 第35-36页 |
| 4.3.2 DOM剪枝 | 第36-38页 |
| 4.3.3 图片与链接问题 | 第38-39页 |
| 4.4 本章小结 | 第39-40页 |
| 第五章 网页主题信息抽取实验 | 第40-46页 |
| 5.1 实验环境设定 | 第40页 |
| 5.2 实验操作流程 | 第40-42页 |
| 5.2.1 选取主题型网页 | 第41页 |
| 5.2.2 WClipper提取网页正文 | 第41页 |
| 5.2.3 选取网页主题内容 | 第41页 |
| 5.2.4 选取正确内容 | 第41页 |
| 5.2.5 计算F1及记录 | 第41-42页 |
| 5.3 实验测试数据集 | 第42页 |
| 5.4 对比实验方法 | 第42-43页 |
| 5.4.1 有道网页剪报工具 | 第42页 |
| 5.4.2 印象笔记悦读工具 | 第42-43页 |
| 5.4.3 Readability工具 | 第43页 |
| 5.5 实验结果及分析 | 第43-45页 |
| 5.6 本章小结 | 第45-46页 |
| 第六章 总结与展望 | 第46-48页 |
| 6.1 论文工作总结 | 第46-47页 |
| 6.2 存在的问题及未来的方向 | 第47-48页 |
| 参考文献 | 第48-54页 |
| 在学期间的研究成果 | 第54-55页 |
| 致谢 | 第55页 |
