基于特定领域对象级垂直搜索中的对象抽取问题的研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 选题背景和研究意义 | 第10-11页 |
| 1.2 国内外现状综述 | 第11-13页 |
| 1.3 论文研究内容和结构安排 | 第13-15页 |
| 第二章 对象级搜索和Web信息抽取技术的综述 | 第15-30页 |
| 2.1 对象级搜索引擎 | 第15-21页 |
| 2.1.1 聚焦爬虫 | 第15-17页 |
| 2.1.2 对象集成 | 第17-18页 |
| 2.1.3 对象排序 | 第18-21页 |
| 2.2 web信息抽取技术研究综述 | 第21-29页 |
| 2.2.1 Web信息抽取技术的分类 | 第21-26页 |
| 2.2.2 Web信息抽取技术的比较 | 第26-28页 |
| 2.2.3 Web信息抽取的评价指标 | 第28页 |
| 2.2.4 Web信息自动抽取存在的问题 | 第28-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第三章 简单树匹配算法的改进 | 第30-48页 |
| 3.1 模板分类 | 第30-40页 |
| 3.1.1 URL链接分类 | 第30-33页 |
| 3.1.2 网页相似度分类 | 第33-40页 |
| 3.2 相似度算法性能比较 | 第40-43页 |
| 3.3 简单树匹配算法存在的问题 | 第43-45页 |
| 3.4 简单树匹配算法的改进 | 第45-47页 |
| 3.4.1 改进的策略 | 第45-46页 |
| 3.4.2 改进前后测试结果分析 | 第46-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 RoadRunner算法研究与改进 | 第48-61页 |
| 4.1 RoadRunner算法的前期研究 | 第48-54页 |
| 4.1.1 网页规范化 | 第48-51页 |
| 4.1.2 RoadRunner算法的背景知识 | 第51-54页 |
| 4.2 RoadRunner算法分析 | 第54-57页 |
| 4.2.1 数据域失配 | 第54-55页 |
| 4.2.2 可选项 | 第55-56页 |
| 4.2.3 迭代器 | 第56-57页 |
| 4.3 属性标注和改进 | 第57-59页 |
| 4.4 改进前后对比分析 | 第59-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第五章 对象抽取系统实现与分析 | 第61-71页 |
| 5.1 对象级搜索引擎的整体架构 | 第61-62页 |
| 5.2 对象抽取系统的具体设计与实现 | 第62-68页 |
| 5.2.1 模板分类模块 | 第62-66页 |
| 5.2.2 对象抽取模块 | 第66-68页 |
| 5.3 系统运行测试结果和分析 | 第68-70页 |
| 5.4 本章小结 | 第70-71页 |
| 第六章 总结 | 第71-72页 |
| 6.1 结论 | 第71页 |
| 6.2 后续工作 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-77页 |
