| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文主要研究问题 | 第11-12页 |
| 1.4 本文的章节安排 | 第12-14页 |
| 第二章 Web页面数据抽取及相关技术概述 | 第14-24页 |
| 2.1 半结构化数据(Semi-structured Data) | 第14-15页 |
| 2.1.1 半结构化数据定义 | 第14-15页 |
| 2.1.2 半结构化数据的特点 | 第15页 |
| 2.2 Web页面数据抽取 | 第15-17页 |
| 2.2.1 Web页面数据抽取定义 | 第15-16页 |
| 2.2.2 数据抽取与信息检索 | 第16-17页 |
| 2.3 常见Web结构分类 | 第17-19页 |
| 2.4 DOM文档树 | 第19-21页 |
| 2.5 解析HTML的工具 | 第21-24页 |
| 2.5.1 WebBrowser | 第21-22页 |
| 2.5.2 HtmlParser | 第22-24页 |
| 第三章 Web页面目标数据区域定位 | 第24-41页 |
| 3.1 Web页面结构特征 | 第24-32页 |
| 3.1.1 解析HTML源文件 | 第24-25页 |
| 3.1.2 叶子节点组最小子树获取算法 | 第25-30页 |
| 3.1.3 目标数据区域结构特征分析 | 第30-32页 |
| 3.2 中介数学理论(MMTD) | 第32-34页 |
| 3.3 基于MMTD目标数据区域定位算法(DL_MMTD) | 第34-37页 |
| 3.4 实验验证 | 第37-39页 |
| 3.4.1 数据集选择 | 第37-38页 |
| 3.4.2 实验检测指标 | 第38页 |
| 3.4.3 实验结果对比 | 第38-39页 |
| 3.5 本章小结 | 第39-41页 |
| 第四章 数据记录抽取 | 第41-48页 |
| 4.1 数据记录(DataRecord) | 第41-42页 |
| 4.2 RST算法介绍 | 第42-44页 |
| 4.3 基于路径结构的数据记录长度求取算法 | 第44-47页 |
| 4.4 数据记录边界确定 | 第47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 基于Web页面结构的数据提取实验分析 | 第48-52页 |
| 5.1 整体流程 | 第48页 |
| 5.2 实验数据集 | 第48-49页 |
| 5.3 实验评价指标 | 第49-50页 |
| 5.4 实验结果 | 第50-51页 |
| 5.5 本章小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 6.1 本文内容总结 | 第52-53页 |
| 6.2 展望 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 附录A 图索引 | 第59-60页 |
| Appendix A Figure Index | 第60-61页 |
| 附录B 表索引 | 第61-62页 |
| Appendix B Table Index | 第62-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士学位期间学术活动及成果情况 | 第64页 |