基于视觉分块与语义DOM的Deep Web信息抽取研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 绪论 | 第8-15页 |
| ·研究背景及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·国外研究现状 | 第10页 |
| ·国内研究现状 | 第10-11页 |
| ·目前存在的困难与挑战 | 第11-13页 |
| ·本文研究内容 | 第13-14页 |
| ·论文组织结构 | 第14-15页 |
| 第2章 Deep Web信息抽取技术概述 | 第15-24页 |
| ·信息抽取 | 第15-16页 |
| ·信息抽取相关技术 | 第16-19页 |
| ·语义化标签 | 第16-18页 |
| ·DOM树模型 | 第18-19页 |
| ·VIPS算法 | 第19-20页 |
| ·信息抽取方法介绍 | 第20-22页 |
| ·信息抽取性能评价 | 第22-23页 |
| ·定性指标 | 第22-23页 |
| ·定量指标 | 第23页 |
| ·本章小结 | 第23-24页 |
| 第3章 基于基准视觉块STVB算法的信息抽取 | 第24-41页 |
| ·基于语义标签的DOM树优化 | 第25-29页 |
| ·页面标签分类 | 第25-27页 |
| ·DOM去噪分析 | 第27-28页 |
| ·DOM优化算法 | 第28-29页 |
| ·基于基准视觉块的STVB算法 | 第29-40页 |
| ·页面结构分析和数据区域定位 | 第29-30页 |
| ·基准视觉块提取 | 第30-34页 |
| ·特征向量的提取 | 第34-37页 |
| ·所有相似视觉块的提取 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 实验结果与数据分析 | 第41-49页 |
| ·页面去噪实验 | 第41-43页 |
| ·STVB算法实验 | 第43-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 总结与展望 | 第49-51页 |
| ·总结 | 第49页 |
| ·展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 附录A 攻读硕士学位期间的研究成果 | 第54-55页 |
| 致谢 | 第55页 |
