基于Web的大规模平行语料库构建方法研究
| 中文摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-19页 |
| ·概述 | 第10-18页 |
| ·研究背景 | 第10-11页 |
| ·国内外研究现状 | 第11-18页 |
| ·主要研究内容 | 第18页 |
| ·论文的组织结构 | 第18-19页 |
| 第二章 Web信息抽取方法 | 第19-30页 |
| ·自动提取Web信息的关键技术 | 第19-20页 |
| ·自动提取网页信息的常用方法 | 第20-27页 |
| ·基于统计理论的方法 | 第20-22页 |
| ·基于视觉的方法 | 第22-24页 |
| ·基于DOM树结构的方法 | 第24-25页 |
| ·改进的基于DOM树结构的方法 | 第25-26页 |
| ·基于模板的方法 | 第26-27页 |
| ·Web信息抽取方法对比 | 第27-28页 |
| ·本章小结 | 第28-30页 |
| 第三章 基于搜索引擎获取双语混合网页 | 第30-45页 |
| ·引言 | 第30-31页 |
| ·基础概念和方法概述 | 第31-34页 |
| ·基础概念 | 第31-32页 |
| ·方法概述 | 第32-34页 |
| ·双语混合网页的获取 | 第34-40页 |
| ·双语检索词的构建 | 第34-35页 |
| ·记录包装器的产生 | 第35-38页 |
| ·数据记录的获取 | 第38-39页 |
| ·候选双语混合网页的获取 | 第39-40页 |
| ·双语混合网页的验证 | 第40-42页 |
| ·实验结果及分析 | 第42-44页 |
| ·实验数据 | 第42页 |
| ·双语混合网页验证方法的评测 | 第42-44页 |
| ·数据记录抽取方法的评测 | 第44页 |
| ·本章小结 | 第44-45页 |
| 第四章 基于双语混合网页的平行资源获取方法 | 第45-61页 |
| ·设计思路和系统架构 | 第45-47页 |
| ·平行资源的自动获取 | 第47-55页 |
| ·网页数据域的识别 | 第47-48页 |
| ·文本预处理 | 第48-50页 |
| ·种子的获取 | 第50-51页 |
| ·包装器的构建 | 第51-53页 |
| ·平行资源对的过滤 | 第53-55页 |
| ·实验结果及分析 | 第55-60页 |
| ·平行语料获取算法的评测 | 第55-58页 |
| ·候选平行资源对的过滤方法的评测 | 第58-59页 |
| ·网页数据域识别方法的评测 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-64页 |
| ·工作总结 | 第61-62页 |
| ·工作展望 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 攻读学位期间公开发表的论文 | 第70-71页 |
| 致谢 | 第71页 |
