| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1. 绪论 | 第11-19页 |
| 1.1. 研究背景和目的 | 第11-13页 |
| 1.2. 国内外发展现状 | 第13-16页 |
| 1.3. 课题研究的思路 | 第16-17页 |
| 1.4. 论文结构 | 第17-19页 |
| 2. 网页信息抽取相关技术简介 | 第19-31页 |
| 2.1. 信息抽取简介 | 第19-22页 |
| 2.1.1. 信息抽取与信息检索 | 第19页 |
| 2.1.2. 网页信息抽取工具 | 第19-20页 |
| 2.1.3. 制定网页信息抽取规则 | 第20-22页 |
| 2.2. 网页信息抽取相关技术 | 第22-24页 |
| 2.2.1. 基于自然语言的网页信息抽取 | 第22页 |
| 2.2.2. 基于包装器的网页信息抽取 | 第22-24页 |
| 2.2.3. 基于Ontology的网页信息抽取 | 第24页 |
| 2.2.4. 基于模板的网页信息抽取 | 第24页 |
| 2.3. 页面结构介绍 | 第24-27页 |
| 2.3.1. 基于DOM树页面结构分析 | 第24-25页 |
| 2.3.2. 基于HTML标签页面结构划分 | 第25-26页 |
| 2.3.3. 基于视觉特征的页面结构划分 | 第26-27页 |
| 2.4. 文本密度介绍 | 第27-28页 |
| 2.5. 网页信息抽取评价标准 | 第28-29页 |
| 2.6. 本章小结 | 第29-31页 |
| 3. 页面分块算法研究 | 第31-39页 |
| 3.1. 网页预处理 | 第31-33页 |
| 3.1.1. 网页编码格式检测 | 第31-32页 |
| 3.1.2. 网页标准化 | 第32-33页 |
| 3.1.3. 清除冗余块 | 第33页 |
| 3.2. 定义网页标签种类 | 第33-35页 |
| 3.2.1. 块级元素 | 第33-34页 |
| 3.2.2. 内联元素 | 第34页 |
| 3.2.3. 排版元素 | 第34-35页 |
| 3.3. 定义分块原则 | 第35-36页 |
| 3.4. 分块算法 | 第36-38页 |
| 3.5. 本章小结 | 第38-39页 |
| 4. 基于文本密度的网页信息抽取 | 第39-47页 |
| 4.1. 定义文本密度的测量方法 | 第39-40页 |
| 4.2. 文本密度的算法原理及流程 | 第40-42页 |
| 4.3. 根据文本密度抽取信息 | 第42页 |
| 4.4. 阈值设定 | 第42-45页 |
| 4.4.1. 样本数据来源 | 第43页 |
| 4.4.2. 性能指标 | 第43-44页 |
| 4.4.3. 实验结果分析 | 第44-45页 |
| 4.5. 本章小结 | 第45-47页 |
| 5. 基于文本密度和页面结构的网页信息抽取技术验证与实现 | 第47-59页 |
| 5.1. 系统设计目标 | 第47-48页 |
| 5.2. 系统总体框架 | 第48-49页 |
| 5.3. 系统模块的设计与实现 | 第49-53页 |
| 5.3.1. 网页预处理 | 第49-50页 |
| 5.3.2. 网页分块 | 第50-52页 |
| 5.3.3. 网页信息提取测试 | 第52-53页 |
| 5.4. 结果演示 | 第53-57页 |
| 5.5. 本章小结 | 第57-59页 |
| 6. 总结与展望 | 第59-61页 |
| 6.1. 论文工作总结 | 第59-60页 |
| 6.2. 未来研究与展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-67页 |
| 个人简历 | 第67页 |