| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-10页 |
| 第一章 引言 | 第10-18页 |
| ·课题提出 | 第10-11页 |
| ·研究现状 | 第11-15页 |
| ·现有系统分析 | 第11-14页 |
| ·基于 Ontology 的信息抽取系统分类与比较 | 第14页 |
| ·基于 Ontology 信息抽取的不足 | 第14-15页 |
| ·课题内容及本文的工作 | 第15-16页 |
| ·课题意义和创新性 | 第16页 |
| ·本文组织结构 | 第16-18页 |
| 第二章 相关工作基础 | 第18-25页 |
| ·信息抽取概述 | 第18-21页 |
| ·信息抽取的历史和现状 | 第18-19页 |
| ·信息抽取系统的评测 | 第19页 |
| ·信息抽取系统的结构 | 第19-21页 |
| ·ONTOLOGY 介绍 | 第21-24页 |
| ·Ontology 定义 | 第21-22页 |
| ·本体的应用和作用 | 第22页 |
| ·本体的分类 | 第22-23页 |
| ·本体建模语言 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 领域本体的构建 | 第25-43页 |
| ·本体的构建 | 第25-29页 |
| ·本体构建的方法和准则 | 第25页 |
| ·本体构建工具 | 第25-26页 |
| ·本体的描述语言 | 第26-28页 |
| ·Jena | 第28-29页 |
| ·大学教授简历本体的构建 | 第29-37页 |
| ·本文的本体构建方法 | 第30-34页 |
| ·大学教授简历分析 | 第34-35页 |
| ·本体的构建实现 | 第35-36页 |
| ·本体检测 | 第36-37页 |
| ·基于WORDNET相似度计算的本体特殊实例获取 | 第37-42页 |
| ·WordNet | 第38-40页 |
| ·基于 WordNet 的语义相似度计算 | 第40-41页 |
| ·试验结果 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于本体的信息抽取系统设计 | 第43-53页 |
| ·信息抽取系统框架 | 第43-44页 |
| ·文档预处理 | 第44-45页 |
| ·信息抽取模块 | 第45-50页 |
| ·相关工作 | 第45-46页 |
| ·抽取模块流程 | 第46-47页 |
| ·句子分类 | 第47-48页 |
| ·抽取模板 | 第48-49页 |
| ·实体抽取 | 第49-50页 |
| ·抽取例子 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 主要部分实现和实验结果分析 | 第53-75页 |
| ·文档预处理 | 第53-64页 |
| ·基于超链组识别的网页噪声清洗 | 第53-54页 |
| ·GATE 及其相关组件介绍 | 第54-60页 |
| ·基于 ANNIE 的文档页面预处理 | 第60-64页 |
| ·句子分类 | 第64-72页 |
| ·RIPPER | 第64-67页 |
| ·基于 RIPPER 的句子分类 | 第67-68页 |
| ·分类实验结果及分析 | 第68-72页 |
| ·辅助规则制定 | 第72-73页 |
| ·抽取结果分析 | 第73-74页 |
| ·本章小结 | 第74-75页 |
| 第六章 总结与展望 | 第75-77页 |
| ·总结 | 第75-76页 |
| ·展望 | 第76-77页 |
| 参考文献 | 第77-82页 |
| 攻读学位期间公开发表的论文 | 第82-83页 |
| 附录一 PCV 本体文件 | 第83-87页 |
| 附录二 抽取的详细数据 | 第87-89页 |
| 致谢 | 第89-90页 |
| 详细摘要 | 第90-93页 |