基于遗传算法的Web信息抽取技术
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-14页 |
| ·课题研究背景 | 第10页 |
| ·课题研究目的与意义 | 第10-11页 |
| ·论文内容与组织结构 | 第11-14页 |
| 第2章 WEB信息抽取概述 | 第14-30页 |
| ·信息抽取的起源与发展 | 第14页 |
| ·信息抽取系统的评测标准 | 第14-15页 |
| ·WEB信息抽取的原理 | 第15-17页 |
| ·WEB信息抽取工具分类 | 第17-28页 |
| ·处理结构文本的IE系统 | 第17-21页 |
| ·处理结构/半结构化文本的IE系统 | 第21-23页 |
| ·处理半结构化/自由文本IE系统 | 第23-25页 |
| ·处理自由文本的IE系统 | 第25-27页 |
| ·国内研究 | 第27-28页 |
| ·本章小结 | 第28-30页 |
| 第3章 遗传算法简介 | 第30-36页 |
| ·遗传算法的基本术语 | 第30-31页 |
| ·遗传算法的基本步骤 | 第31-35页 |
| ·遗传算法基本流程 | 第31-32页 |
| ·遗传算法的基本操作 | 第32-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 基于遗传算法的规则学习算法 | 第36-52页 |
| ·规则学习算法流程 | 第36-38页 |
| ·语义字典 | 第38-40页 |
| ·训练例子 | 第40-41页 |
| ·例子去噪 | 第40-41页 |
| ·例子标注 | 第41页 |
| ·项(TERM)的转化 | 第41-44页 |
| ·html标签内文本的转化 | 第42-43页 |
| ·html标签间自由文本的转化 | 第43-44页 |
| ·结合遗传算法扩展规则 | 第44-49页 |
| ·编码生成初始群体 | 第44-45页 |
| ·解码计算群体适应度 | 第45-46页 |
| ·选择—复制 | 第46-47页 |
| ·交叉—变异 | 第47-48页 |
| ·终止条件 | 第48页 |
| ·算法优化 | 第48-49页 |
| ·规则集排序 | 第49-50页 |
| ·本章小结 | 第50-52页 |
| 第5章 系统设计实现 | 第52-62页 |
| ·系统框架 | 第52-54页 |
| ·关键技术 | 第54-60页 |
| ·网页的解析 | 第54-55页 |
| ·抽取规则的定义 | 第55-57页 |
| ·抽取规则的生成 | 第57-58页 |
| ·批量抽取 | 第58-60页 |
| ·本章小结 | 第60-62页 |
| 第6章 实验分析 | 第62-70页 |
| ·实验环境 | 第62页 |
| ·单槽抽取规则数据 | 第62-63页 |
| ·多槽抽取规则数据 | 第63-68页 |
| ·结构化数据 | 第63-64页 |
| ·半结构化的数据 | 第64-68页 |
| ·趋势分析 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 第7章 结论 | 第70-72页 |
| ·总结 | 第70页 |
| ·展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 攻读学位期间公开发表论文 | 第76-78页 |
| 致谢 | 第78-80页 |
| 研究生履历 | 第80页 |
