Web网页正文抽取方法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第1章 绪论 | 第7-10页 |
| ·问题的提出及意义 | 第7-8页 |
| ·研究内容 | 第8-9页 |
| ·论文结构 | 第9-10页 |
| 第2章 相关知识 | 第10-21页 |
| ·信息抽取 | 第10-12页 |
| ·数据的组织形式 | 第10页 |
| ·信息抽取概述 | 第10-11页 |
| ·Web信息抽取概述 | 第11-12页 |
| ·HTML | 第12-16页 |
| ·HTML的历史 | 第12-13页 |
| ·HTML基本语法 | 第13-14页 |
| ·HTML的特点 | 第14-16页 |
| ·DOM | 第16-18页 |
| ·DOM的定义及特点 | 第16-17页 |
| ·DOM的一些操作 | 第17-18页 |
| ·网页正文的定义 | 第18-19页 |
| ·本章小结 | 第19-21页 |
| 第3章 研究现状 | 第21-31页 |
| ·基于统计的方法 | 第21-22页 |
| ·基于DOM的方法 | 第22-24页 |
| ·基于网页分块的方法 | 第24-26页 |
| ·基于标签窗的方法 | 第26-27页 |
| ·基于模板的方法 | 第27-29页 |
| ·本章小结 | 第29-31页 |
| 第4章 网页正文抽取 | 第31-49页 |
| ·网页预处理 | 第32-34页 |
| ·字符编码问题 | 第32页 |
| ·网页规范化 | 第32-33页 |
| ·噪音信息过滤 | 第33-34页 |
| ·DTE算法与模板生成 | 第34-43页 |
| ·节点类型定义 | 第36页 |
| ·节点比较算法 | 第36-38页 |
| ·DOM树匹配算法 | 第38-41页 |
| ·候选子树中评论信息发现 | 第41-43页 |
| ·处理节点内容 | 第43-47页 |
| ·构造正文特征向量 T | 第43-44页 |
| ·抽取网页标题 | 第44-46页 |
| ·内容块中图片、表格等信息的处理 | 第46-47页 |
| ·使用模板抽取网页正文 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 原型系统的实现及实验 | 第49-56页 |
| ·工作环境 | 第49页 |
| ·原型系统的设计与实现 | 第49-52页 |
| ·实验与分析 | 第52-55页 |
| ·评价标准 | 第52页 |
| ·实验数据集 | 第52-53页 |
| ·实验结果及分析 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第6章 结论与展望 | 第56-58页 |
| ·论文总结 | 第56-57页 |
| ·进一步的工作 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 攻读学位期间的研究成果 | 第63页 |
