基于网页结构的信息抽取关键技术研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-17页 |
| ·研究背景和意义 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·搜索引擎研究现状 | 第11-12页 |
| ·Web信息抽取现状 | 第12-14页 |
| ·木棉检索系统 | 第14-15页 |
| ·论文工作内容 | 第15页 |
| ·论文结构 | 第15-17页 |
| 第二章 搜索引擎与网页分块相关技术 | 第17-31页 |
| ·搜索引擎基本组成 | 第17-20页 |
| ·采集器 | 第17-18页 |
| ·分析器 | 第18-19页 |
| ·索引器 | 第19页 |
| ·检索器 | 第19页 |
| ·用户接口 | 第19-20页 |
| ·索引技术 | 第20-24页 |
| ·倒排索引简介 | 第20-21页 |
| ·lucene索引结构 | 第21-24页 |
| ·网页基础 | 第24-28页 |
| ·HTML | 第24页 |
| ·DOM | 第24-28页 |
| ·网页分块方法 | 第28-30页 |
| ·基于视觉的网页分块方法 | 第28-29页 |
| ·CTPVS分块方法 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 基于网页结构的分块方法 | 第31-40页 |
| ·网页预处理 | 第31-32页 |
| ·网页分块特征 | 第32-33页 |
| ·木棉系统现有分块方法 | 第33-36页 |
| ·新分块方法设计 | 第36-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 网页信息提取方法 | 第40-55页 |
| ·网页类型分类 | 第40-42页 |
| ·主题型网页 | 第40-42页 |
| ·非主题型网页 | 第42页 |
| ·网页信息提取方法的设计 | 第42-45页 |
| ·校内网页信息 | 第43-44页 |
| ·网页分块及识别 | 第44-45页 |
| ·主题型网页信息抽取 | 第45-54页 |
| ·网页标题 | 第46-48页 |
| ·发布时间 | 第48-50页 |
| ·主题文本 | 第50-51页 |
| ·描述图片 | 第51-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 信息抽取实验 | 第55-70页 |
| ·实验目的 | 第55页 |
| ·实验数据 | 第55-56页 |
| ·校内网页数据集 | 第55-56页 |
| ·互联网网页数据集 | 第56页 |
| ·实验设计及结果分析 | 第56-69页 |
| ·网页性质测试 | 第57-63页 |
| ·分块方法性能对比 | 第63-66页 |
| ·信息抽取应用结果 | 第66-69页 |
| ·本章小结 | 第69-70页 |
| 总结与展望 | 第70-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间取得的研究成果 | 第77-78页 |
| 致谢 | 第78页 |
