基于REIE的Web信息抽取技术研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·引言 | 第7页 |
| ·课题背景及意义 | 第7-8页 |
| ·Web 信息抽取技术的发展与现状 | 第8-9页 |
| ·本文的研究工作 | 第9-10页 |
| ·论文的组织结构 | 第10-11页 |
| 第二章 Web 文本分析与挖掘 | 第11-21页 |
| ·Web 文本分析 | 第11-16页 |
| ·网页预处理 | 第11-12页 |
| ·页内链接抽取 | 第12-13页 |
| ·正文文本抽取 | 第13页 |
| ·中文分词技术 | 第13-14页 |
| ·特征向量的项权重 | 第14-16页 |
| ·Web 文本挖掘 | 第16-20页 |
| ·Web 文本挖掘的定义 | 第16-17页 |
| ·文本特征项提取 | 第17页 |
| ·文本关联 | 第17-18页 |
| ·文本分类 | 第18页 |
| ·文本聚类 | 第18-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 Web 信息抽取技术 | 第21-31页 |
| ·Web 信息抽取技术概述 | 第21-22页 |
| ·Web 信息抽取体系结构 | 第22-27页 |
| ·Web 页面的特点 | 第24页 |
| ·Web 网页格式分析 | 第24-27页 |
| ·Web 信息抽取的典型方法 | 第27-29页 |
| ·基于自然语言处理方式的信息抽取 | 第27页 |
| ·基于 HTML 结构的信息抽取 | 第27-28页 |
| ·基于本体（Ontology）的信息抽取 | 第28-29页 |
| ·信息抽取系统的评价标准 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 基于 REIE 的信息抽取 | 第31-43页 |
| ·HTMLParser 包 | 第31-34页 |
| ·DOM、SAX 解析方式 | 第31-32页 |
| ·HTMLParser 包解析方式 | 第32-33页 |
| ·HTMLParser 的抽取原理 | 第33页 |
| ·HTMLParser 的数据结构 | 第33-34页 |
| ·正则表达式 | 第34-36页 |
| ·正则表达式的定义 | 第34-35页 |
| ·正则表达式的常用举例 | 第35-36页 |
| ·REIE 算法 | 第36-41页 |
| ·本章小结 | 第41-43页 |
| 第五章 网页内容抽取系统的实现 | 第43-55页 |
| ·网页预处理模块 | 第43-46页 |
| ·boost 正则表达式库 | 第43-45页 |
| ·过滤网页的无用标记 | 第45-46页 |
| ·网页信息抽取模块 | 第46-47页 |
| ·系统的实现与功能分析 | 第47-54页 |
| ·系统的设计与理论 | 第47-49页 |
| ·系统的基本功能演示 | 第49-53页 |
| ·系统的性能分析 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第六章 总结和展望 | 第55-57页 |
| ·本论文工作总结 | 第55页 |
| ·工作展望 | 第55-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 硕士在读期间的研究成果 | 第63-64页 |
