| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-8页 |
| 1 绪论 | 第8-14页 |
| ·信息抽取技术的研究背景 | 第8页 |
| ·信息抽取技术概述 | 第8-12页 |
| ·定义 | 第8页 |
| ·处理对象 | 第8-9页 |
| ·信息抽取技术的组成 | 第9-10页 |
| ·信息抽取系统 | 第10-11页 |
| ·与其它文本处理工具的关系 | 第11-12页 |
| ·信息抽取技术的挑战和发展趋势 | 第12-13页 |
| ·信息抽取技术发展面临的挑战 | 第12页 |
| ·信息抽取技术的发展趋势 | 第12-13页 |
| ·本论文的组织形式 | 第13-14页 |
| 2 典型的信息抽取技术和系统 | 第14-24页 |
| ·典型的信息抽取技术 | 第14-16页 |
| ·基于包装器的信息抽取 | 第14页 |
| ·基于隐马尔可夫模型(HMM)的信息抽取 | 第14-15页 |
| ·基于DIPRE 方法的信息抽取 | 第15页 |
| ·基于视觉分析的信息抽取 | 第15页 |
| ·基于本体(Ontology)的信息抽取 | 第15-16页 |
| ·典型的信息抽取系统 | 第16-22页 |
| ·CRYSTAL 系统 | 第16-17页 |
| ·RAPIER 系统 | 第17-18页 |
| ·SRV 系统 | 第18页 |
| ·WHISK 系统 | 第18-19页 |
| ·(LP)~2 系统 | 第19-21页 |
| ·HMMs 系统 | 第21页 |
| ·BIEN 系统 | 第21-22页 |
| ·本章小结 | 第22-24页 |
| 3 隐马尔可夫模型 | 第24-35页 |
| ·隐马尔可夫模型简介 | 第24页 |
| ·隐马尔可夫模型的三个主要问题 | 第24-25页 |
| ·隐马尔可夫模型的主要算法 | 第25-29页 |
| ·评估问题的解决算法 | 第25-27页 |
| ·学习问题的解决算法 | 第27-29页 |
| ·解码问题的解决算法 | 第29页 |
| ·二阶隐马尔可夫模型 | 第29-35页 |
| ·二阶隐马尔可夫模型的学习算法 | 第30-32页 |
| ·Baum-Welch 算法 | 第32-33页 |
| ·Viterbi 算法 | 第33-35页 |
| 4 HMM 模型在信息抽取中的应用和改进 | 第35-46页 |
| ·引言 | 第35页 |
| ·从数据中学习模型结构 | 第35-38页 |
| ·已标记的、未标记的和远距离标记的数据 | 第38-42页 |
| ·HMM 模型在信息抽取中的改进 | 第42-46页 |
| ·平滑处理 | 第42-43页 |
| ·符号串聚类 | 第43页 |
| ·状态合并 | 第43-45页 |
| ·隐马尔可夫模型中结合规则 | 第45-46页 |
| 5. 基于 HMM 的信息抽取模型的建立及实验结果 | 第46-57页 |
| ·待建信息抽取模型的应用背景 | 第46-48页 |
| ·信息抽取模型的实现 | 第48-55页 |
| ·网页数据预处理 | 第50-51页 |
| ·HMM 模型的建立 | 第51-53页 |
| ·HMM 模型的训练 | 第53-54页 |
| ·信息抽取的完成 | 第54-55页 |
| ·实验结果及对比分析 | 第55-57页 |
| 6 总结 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 附录 | 第63-65页 |