基于页面分块的网页内容提取的研究与实现
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-18页 |
| ·课题研究背景与意义 | 第11-13页 |
| ·国内外研究现状 | 第13-16页 |
| ·基于人工编码的方法 | 第13页 |
| ·基于启发式规则的方法 | 第13-15页 |
| ·基于机器学习的方法 | 第15页 |
| ·基于DOM树结构的方法 | 第15-16页 |
| ·论文研究的主要内容 | 第16页 |
| ·论文的组织结构 | 第16-18页 |
| 第2章 理论基础和相关技术 | 第18-25页 |
| ·HTML基础 | 第18-21页 |
| ·HTML简介 | 第18-19页 |
| ·HTML DOM树 | 第19-21页 |
| ·页面结构分析及内容提取技术 | 第21-24页 |
| ·页面的结构特点及其表示 | 第21-22页 |
| ·常见的页面结构分析 | 第22-24页 |
| ·基于HTML标签分布规律的页面结构分析 | 第22-23页 |
| ·基于DOM树的页面结构分析 | 第23页 |
| ·基于视觉特征的页面结构分析 | 第23-24页 |
| ·目前页面结构分析技术的不足 | 第24页 |
| ·本章小结 | 第24-25页 |
| 第3章 主题型页面识别 | 第25-32页 |
| ·两种类型页面的特点 | 第26页 |
| ·主题型页面的特点 | 第26页 |
| ·链接型页面的特点 | 第26页 |
| ·算法设计 | 第26-30页 |
| ·算法描述 | 第26-27页 |
| ·阈值设定 | 第27页 |
| ·分类器 | 第27-30页 |
| ·分类器简介 | 第27-28页 |
| ·支持向量机 | 第28-30页 |
| ·实验结果及分析 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第4章 基于多线索的网页分块算法 | 第32-40页 |
| ·可利用的线索 | 第32-34页 |
| ·网页标准化 | 第34页 |
| ·构造标签树 | 第34页 |
| ·网页分块 | 第34-37页 |
| ·实验结果及分析 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第5章 基于页面分块的内容提取 | 第40-56页 |
| ·页面内容块的主要特征 | 第40-41页 |
| ·主题内容提取 | 第41-49页 |
| ·利用布局特征识别主题内容块 | 第41-45页 |
| ·可利用的布局特征 | 第41-43页 |
| ·布局特征的量化 | 第43-45页 |
| ·利用文字特征识别主题内容块 | 第45-47页 |
| ·算法思想 | 第45-46页 |
| ·文本相似度的计算 | 第46-47页 |
| ·利用组合特征识别主题内容块 | 第47页 |
| ·主题内容块识别算法有效性验证 | 第47-49页 |
| ·主题相关内容提取 | 第49-55页 |
| ·相关链接提取 | 第49-53页 |
| ·相关链接的特点 | 第49-50页 |
| ·相关链接抽取规则 | 第50-51页 |
| ·实验结果及分析 | 第51-53页 |
| ·相关图片的提取 | 第53-55页 |
| ·相关图片的特点 | 第54页 |
| ·相关图片抽取规则 | 第54-55页 |
| ·实验结果及分析 | 第55页 |
| ·本章小节 | 第55-56页 |
| 第6章 总结与展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 攻读硕士研究生期间发表的论文 | 第62页 |
