基于DOM的Web信息自动抽取技术的研究
| 摘要 | 第1-8页 |
| Abstract | 第8-12页 |
| 1 引言 | 第12-17页 |
| ·研究背景和意义 | 第12-13页 |
| ·WEB 信息抽取技术 | 第13-14页 |
| ·概述 | 第13-14页 |
| ·面临的问题 | 第14页 |
| ·本文研究内容及创新点 | 第14-15页 |
| ·本论文的组织 | 第15-17页 |
| 2 决策树模型 | 第17-25页 |
| ·决策树简介 | 第17-21页 |
| ·决策树的学习算法 | 第18-19页 |
| ·混杂度函数 | 第19-20页 |
| ·其他一些问题 | 第20-21页 |
| ·评估方法 | 第21-23页 |
| ·WEKA 简介 | 第23-24页 |
| ·小结 | 第24-25页 |
| 3 查询接口分类 | 第25-36页 |
| ·DOM 技术 | 第25-29页 |
| ·超文本标记语言 HTML | 第25-27页 |
| ·文档对象模型 DOM | 第27-28页 |
| ·HtmlParser 包 | 第28-29页 |
| ·查询接口自动判定技术 | 第29-35页 |
| ·查询接口判定方法 | 第30页 |
| ·样例集的自动构建 | 第30-32页 |
| ·决策树模型训练与分类 | 第32-33页 |
| ·实验结果 | 第33-35页 |
| ·小结 | 第35-36页 |
| 4 列表页面的自动抽取技术 | 第36-51页 |
| ·问题描述 | 第36-37页 |
| ·树相似度算法 | 第37-42页 |
| ·树编辑距离 | 第37-40页 |
| ·自顶向下约束的树编辑距离 | 第40-41页 |
| ·DOM 树的最大匹配 | 第41-42页 |
| ·列表页面自动抽取技术 | 第42-43页 |
| ·基于 DOM 的列表页面自动抽取算法 | 第42-43页 |
| ·基于熵的信息过滤算法 | 第43-48页 |
| ·熵 | 第43-44页 |
| ·K-均值聚类 | 第44-46页 |
| ·基于熵的过滤算法 | 第46-47页 |
| ·实验结果 | 第47-48页 |
| ·基于规则的树对齐算法 | 第48-50页 |
| ·部分树对齐算法 | 第49页 |
| ·对齐规则 | 第49-50页 |
| ·小结 | 第50-51页 |
| 5 列表页面自动抽取系统 | 第51-56页 |
| ·系统简介 | 第51-55页 |
| ·查询接口自动填充跳转 | 第52-53页 |
| ·列表页面抽取及过滤 | 第53-55页 |
| ·分页数据的连续自动抽取 | 第55页 |
| ·小结 | 第55-56页 |
| 6 总结与展望 | 第56-58页 |
| ·总结 | 第56页 |
| ·展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 个人简历 | 第63页 |
| 发表的论文 | 第63页 |
| 科研成果 | 第63页 |
