基于标点符号统计特征的中文类型网页正文抽取
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-12页 |
| ·信息抽取的研究背景及研究意义 | 第8-10页 |
| ·本文的主要研究内容以及组织结构 | 第10-12页 |
| ·本文的主要研究内容 | 第10页 |
| ·论文的组织结构 | 第10-12页 |
| 第2章 网页正文内容抽取的相关知识 | 第12-26页 |
| ·信息检索与信息抽取 | 第12-16页 |
| ·信息检索 | 第12-13页 |
| ·信息抽取 | 第13-15页 |
| ·信息检索与信息抽取的区别 | 第15-16页 |
| ·编写 web 文档的语言 | 第16-22页 |
| ·HTML | 第16-19页 |
| ·XML | 第19-21页 |
| ·XTHML | 第21-22页 |
| ·DOM | 第22-23页 |
| ·XPath | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 网页正文内容抽取方法 | 第26-33页 |
| ·web 文档的信息抽取方法 | 第26-29页 |
| ·网页正文内容抽取方法的分类 | 第29-32页 |
| ·基于 DOM 的方法 | 第29-30页 |
| ·基于模板的方法 | 第30页 |
| ·基于网页分块的方法 | 第30页 |
| ·基于统计的方法 | 第30-31页 |
| ·基于 Tag Window 的方法 | 第31-32页 |
| ·web 文档正文抽取的难点 | 第32页 |
| ·本章小结 | 第32-33页 |
| 第4章 基于统计特征的网页正文抽取 | 第33-50页 |
| ·网页正文的定义 | 第33-35页 |
| ·标点符号在中文网页中的分布规律 | 第35-38页 |
| ·web 文档的预处理 | 第38-43页 |
| ·web 文档的采集 | 第38页 |
| ·字符编码问题 | 第38-40页 |
| ·web 网页的规范化处理 | 第40-43页 |
| ·噪音节点的过滤 | 第43页 |
| ·构造叶子节点的正文特征向量 | 第43-44页 |
| ·网页正文抽取算法 | 第44-49页 |
| ·网页正文抽取算法流程 | 第44-45页 |
| ·样本节点的选择算法 | 第45-46页 |
| ·节点的聚类算法 | 第46-48页 |
| ·网页正文信息抽取 | 第48-49页 |
| ·网页正文信息抽取系统的设计 | 第49页 |
| ·本章小结 | 第49-50页 |
| 第5章 网页正文信息抽取系统的实现及实验 | 第50-56页 |
| ·工作环境 | 第50页 |
| ·正文信息抽取系统的实现 | 第50-53页 |
| ·实验与分析 | 第53-55页 |
| ·评价标准 | 第53页 |
| ·实验数据 | 第53页 |
| ·实验结果以及分析 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第6章 总结及展望 | 第56-58页 |
| ·总结 | 第56-57页 |
| ·展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61-62页 |
| 附录A（攻读硕士学位期间发表的论文） | 第62页 |
