| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究背景和研究意义 | 第9-10页 |
| ·web 信息抽取概述 | 第10-12页 |
| ·本文的主要研究工作和结构 | 第12-14页 |
| 第二章 Web 信息抽取相关技术 | 第14-22页 |
| ·Web 信息抽取定义和流程 | 第14-16页 |
| ·HTML 与XML 简介 | 第16-17页 |
| ·文本特征表示与提取 | 第17-19页 |
| ·基于评估函数的特征提取 | 第18页 |
| ·基于特征相关性的特征提取 | 第18-19页 |
| ·基于语义理解的特征提取 | 第19页 |
| ·本文中涉及到的主要技术 | 第19-21页 |
| ·基于隐马尔可夫模型的信息抽取技术 | 第19-20页 |
| ·基于神经网络的信息抽取技术 | 第20-21页 |
| ·小结 | 第21-22页 |
| 第三章 HMM 与 BP 网络在信息抽取中的应用 | 第22-38页 |
| ·隐马尔可夫模型概述 | 第22-23页 |
| ·隐马尔可夫模型的三个问题 | 第23-28页 |
| ·评估问题解决算法 | 第23-25页 |
| ·学习问题解决算法 | 第25-27页 |
| ·解码问题解决算法 | 第27-28页 |
| ·隐马尔可夫模型在信息抽取中的应用 | 第28-32页 |
| ·基于隐马尔可夫模型的web 文本信息抽取流程 | 第28-29页 |
| ·数据预处理 | 第29-31页 |
| ·隐马尔可夫模型的构建 | 第31-32页 |
| ·数据分块技术的应用 | 第32-34页 |
| ·BP 网络概述 | 第34-36页 |
| ·神经网络概述 | 第34-35页 |
| ·BP 网络 | 第35-36页 |
| ·BP 网络在信息抽取中的应用 | 第36-38页 |
| 第四章 基于 HMM/BP 网络混合模型的文本信息抽取研究 | 第38-50页 |
| ·隐马尔可夫模型与BP 网络分析 | 第38-39页 |
| ·BP 神经网络的训练 | 第39-40页 |
| ·在信息抽取中BP 网络节点选取 | 第40-42页 |
| ·模型分析 | 第42-43页 |
| ·基于多模板的隐马尔可夫模型 | 第43-44页 |
| ·混合模型的构建 | 第44-47页 |
| ·隐马尔可夫模型与BP 网络的几种结合方式 | 第44-45页 |
| ·隐马尔可夫模型与BP 网络的结合方法 | 第45-47页 |
| ·实验设计与数据分析 | 第47-49页 |
| ·小结 | 第49-50页 |
| 第五章 改进的混合模型在web 文本信息抽取中的应用 | 第50-61页 |
| ·混合模型分析 | 第50-52页 |
| ·混合模型中BP 网络的算法改进 | 第52-55页 |
| ·连接权值调整推导 | 第53-54页 |
| ·缩放系数的调整推导 | 第54-55页 |
| ·位移参数调整推导 | 第55页 |
| ·改进BP 算法在信息抽取中的分析 | 第55-57页 |
| ·实验及分析 | 第57-59页 |
| ·小结 | 第59-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 攻读学位期间完成的论文 | 第68-69页 |
| 致谢 | 第69页 |