大规模网页信息抽取技术研究
| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 目录 | 第9-12页 |
| 第一章 绪论 | 第12-19页 |
| ·研究背景及意义 | 第12-13页 |
| ·网页信息抽取研究现状及方法 | 第13-14页 |
| ·信息抽取技术研究状况 | 第13页 |
| ·网页信息抽取常用方法 | 第13-14页 |
| ·自然语言文本信息抽取 | 第14-17页 |
| ·国内外文本信息抽取研究现状 | 第14-15页 |
| ·文本信息抽取关键任务 | 第15-17页 |
| ·信息抽取发展趋势 | 第17页 |
| ·课题任务 | 第17页 |
| ·论文结构 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第二章 大规模网页数据的采集和处理 | 第19-32页 |
| ·系统流程介绍 | 第19-20页 |
| ·URL收集和整理选用的方法 | 第20页 |
| ·链接分析算法 | 第20-24页 |
| ·HITS算法与PageRank算法的比较分析 | 第21-22页 |
| ·PageRank算法 | 第22-24页 |
| ·网页和超链的收集整理 | 第24-25页 |
| ·Hadoop下的PageRank计算 | 第25-31页 |
| ·Hadoop技术介绍 | 第25-26页 |
| ·Hadoop主要成员 | 第26-28页 |
| ·Hadoop平台的搭建 | 第28-29页 |
| ·Hadoop平台下运行PageRank | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 网页正文信息抽取技术研究 | 第32-45页 |
| ·网页信息抽取模块流程 | 第32-33页 |
| ·DOM树相关知识介绍 | 第33-34页 |
| ·网页模板抽取信息 | 第34-38页 |
| ·网页模板化信息提取算法 | 第35-36页 |
| ·网页模板化信息提取方法步骤 | 第36-37页 |
| ·网页模板化信息提取方法实验结果 | 第37-38页 |
| ·WIEHF方法抽取信息 | 第38-43页 |
| ·WIEHF方法计算 | 第38-41页 |
| ·WIEHF方法步骤 | 第41页 |
| ·WIEHF实验验证和结果分析 | 第41-43页 |
| ·模板方法和WIEHF方法的实验结果对比 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 文本信息抽取技术研究 | 第45-64页 |
| ·分词介绍 | 第45页 |
| ·中文信息抽取模块简介 | 第45-47页 |
| ·代词消解 | 第47-51页 |
| ·代词消解方法引出 | 第47-48页 |
| ·指代消解方法介绍 | 第48-49页 |
| ·消解规则 | 第49页 |
| ·基于统计的消解指代方法 | 第49-51页 |
| ·句法分析和句子成分介绍 | 第51-53页 |
| ·现代汉语句子成分 | 第51-52页 |
| ·现代汉语句子结构和知网介绍 | 第52-53页 |
| ·基于词性合并的浅层句法分析方法 | 第53-59页 |
| ·方法的引出 | 第53页 |
| ·词性合并规则介绍 | 第53-54页 |
| ·句子句式处理介绍 | 第54-56页 |
| ·基于词性合并的浅层句法分析整体介绍 | 第56页 |
| ·句法分析方法 | 第56-57页 |
| ·句法分析实验结果 | 第57-59页 |
| ·各阶段效果图 | 第59-63页 |
| ·本章小结 | 第63-64页 |
| 第五章 结论与展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间发表的论文和科研情况 | 第71-72页 |
| 发表论文 | 第71页 |
| 项目 | 第71-72页 |
| 附录 | 第72-74页 |
