一种高适应性的网页信息抽取机制的设计与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 研究内容 | 第13-14页 |
| 1.4 本文结构组织安排 | 第14页 |
| 1.5 本章小结 | 第14-15页 |
| 第二章 相关概念、理论与关键技术 | 第15-24页 |
| 2.1 网页信息抽取相关概念 | 第15-19页 |
| 2.1.1 HTML & DOM | 第15-16页 |
| 2.1.2 XML & Xpath | 第16-18页 |
| 2.1.3 正则表达式 | 第18-19页 |
| 2.2 爬虫技术 | 第19-21页 |
| 2.3 网页信息抽取系统的关键技术 | 第21-23页 |
| 2.3.1 抽取规则的描述 | 第21-22页 |
| 2.3.2 规则的生成 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 信息抽取机制研究 | 第24-34页 |
| 3.1 网页信息抽取模型 | 第24-25页 |
| 3.2 网页导航过程与模型 | 第25-26页 |
| 3.3 网页数据抽取过程与模型 | 第26-28页 |
| 3.4 数据集成模型与流程控制 | 第28-31页 |
| 3.4.1 数据集成模型 | 第28-30页 |
| 3.4.2 流程控制 | 第30-31页 |
| 3.5 动态页面获取策略 | 第31-32页 |
| 3.6 网页元素识别 | 第32-33页 |
| 3.7 本章小结 | 第33-34页 |
| 第四章 信息抽取系统设计 | 第34-47页 |
| 4.1 系统设计目标 | 第34-35页 |
| 4.2 系统整体设计 | 第35-37页 |
| 4.2.1 机制整体框架 | 第35-36页 |
| 4.2.2 系统处理流程 | 第36-37页 |
| 4.3 各模块详细设计 | 第37-44页 |
| 4.3.1 抽取控制器 | 第37-38页 |
| 4.3.2 抽取过滤器 | 第38-41页 |
| 4.3.3 规则包装器 | 第41-42页 |
| 4.3.4 信息抽取器 | 第42-44页 |
| 4.4 网页元素类型设计 | 第44-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第五章 系统实现与验证 | 第47-60页 |
| 5.1 技术方案选型 | 第47-48页 |
| 5.2 抽取规则信息与生成 | 第48-50页 |
| 5.2.1 人工规则的生成方式 | 第48-50页 |
| 5.2.2 抽取规则信息 | 第50页 |
| 5.3 系统的实现 | 第50-56页 |
| 5.3.1 抽取任务运行模块的实现 | 第50-52页 |
| 5.3.2 URL处理模块的实现 | 第52-54页 |
| 5.3.3 数据集成模块的实现 | 第54-56页 |
| 5.4 评估方法 | 第56页 |
| 5.5 系统实验与结果分析 | 第56-59页 |
| 5.6 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-63页 |
| 6.1 论文工作总结 | 第60-61页 |
| 6.2 展望 | 第61-62页 |
| 6.3 本章小结 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 攻读学位期间发表的学术论文目录 | 第67页 |
