| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题的目的和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 WEB正文信息提取研究现状 | 第10-11页 |
| 1.2.2 地理文本信息解析的现状 | 第11-12页 |
| 1.3 论文工作 | 第12-15页 |
| 第2章 相关概念与技术 | 第15-23页 |
| 2.1 百度地图API | 第15页 |
| 2.2 WEB信息提取相关工作 | 第15-17页 |
| 2.2.1 基于DOM树的信息提取方法 | 第15-16页 |
| 2.2.2 基于网页分割找正文块方法 | 第16页 |
| 2.2.3 基于标记窗的信息提取方法 | 第16页 |
| 2.2.4 基于数据挖掘或者机器学习的信息提取方法 | 第16-17页 |
| 2.2.5 基于逻辑行和最大接纳距离的网页正文抽取方法 | 第17页 |
| 2.3 JsouP介绍 | 第17-21页 |
| 2.3.0 Jsoup概述 | 第17-18页 |
| 2.3.1 Jsoup的基本功能 | 第18-19页 |
| 2.3.2 Jsoup项目的部分成果 | 第19页 |
| 2.3.3 相关技术介绍 | 第19-21页 |
| 2.4 本章小结 | 第21-23页 |
| 第3章 互联网文本信息提取 | 第23-41页 |
| 3.1 基于百度API的信息提取 | 第23-28页 |
| 3.1.1 设计思路 | 第23页 |
| 3.1.2 数据源的采集 | 第23-24页 |
| 3.1.3 功能实现 | 第24-28页 |
| 3.2 基于JSOUP的WEB信息抽取技术方法 | 第28-32页 |
| 3.2.1 系统介绍 | 第28-29页 |
| 3.2.2 URL的收集 | 第29-31页 |
| 3.2.3 基于Jsoup的页面爬取 | 第31-32页 |
| 3.3 实验分析 | 第32-40页 |
| 3.3.1 网页结构的分析 | 第32-33页 |
| 3.3.2 总体框架 | 第33页 |
| 3.3.3 数据转换 | 第33-35页 |
| 3.3.4 数据抽取 | 第35-36页 |
| 3.3.5 数据清洗 | 第36-37页 |
| 3.3.6 实验与测试 | 第37-39页 |
| 3.3.7 实验分析 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 地理位置文本信息解析 | 第41-49页 |
| 4.1 中文地址 | 第41-42页 |
| 4.2 地理文本信息解析 | 第42-45页 |
| 4.2.1 分词算法 | 第42-43页 |
| 4.2.2 地址匹配 | 第43页 |
| 4.2.3 信任度解析算法 | 第43-44页 |
| 4.2.4 实验结果 | 第44-45页 |
| 4.3 数据转换 | 第45-47页 |
| 4.4 本章小结 | 第47-49页 |
| 第5章 总结与展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 攻读硕士学位期间已撰写和发表的论文 | 第55-57页 |
| 致谢 | 第57页 |