基于DOM的HTML网页正文信息抽取模块的设计与实现
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 引言 | 第8-16页 |
| ·课题背景 | 第8-9页 |
| ·网页正文抽取技术发展现状 | 第9-14页 |
| ·国外网页正文信息抽取技术发展现状 | 第9-12页 |
| ·国内网页正文信息抽取技术发展现状 | 第12-13页 |
| ·发展趋势及小结 | 第13-14页 |
| ·课题任务 | 第14页 |
| ·课题内容 | 第14页 |
| ·本人承担任务 | 第14页 |
| ·论文结构 | 第14-16页 |
| 第二章 主题网络爬虫系统概述及技术分析 | 第16-27页 |
| ·系统的设计目标 | 第16-17页 |
| ·系统的运行环境 | 第17-20页 |
| ·系统的体系结构 | 第20-25页 |
| ·主题网络爬虫的系统组成 | 第20-22页 |
| ·主题确立模块 | 第22-23页 |
| ·抓取模块 | 第23页 |
| ·主题预测模块 | 第23页 |
| ·主题相关度分析模块 | 第23-24页 |
| ·网页分析模块 | 第24页 |
| ·网页正文信息抽取模块 | 第24-25页 |
| ·排序模块 | 第25页 |
| ·系统的关键技术分析 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 网页正文信息抽取模块的系统分析 | 第27-39页 |
| ·网页正文信息抽取的基本功能需求 | 第27-28页 |
| ·网页正文信息抽取的工作流程和实现思路 | 第28-30页 |
| ·工作流程 | 第28-29页 |
| ·设计思路 | 第29页 |
| ·抽取工具简介 | 第29-30页 |
| ·网页正文信息抽取的功能目标 | 第30-31页 |
| ·解析模块 | 第30页 |
| ·过滤模块 | 第30页 |
| ·分析模块 | 第30页 |
| ·剪枝模块 | 第30-31页 |
| ·转换模块 | 第31页 |
| ·DOM(文档对象模型)介绍 | 第31-39页 |
| ·文档对象模型概述 | 第31页 |
| ·文档对象模型的内部逻辑结构 | 第31-33页 |
| ·文档对象模型的四个基本接口 | 第33-35页 |
| ·如何将HTML文档转换成DOM树 | 第35页 |
| ·DOM文档的遍历 | 第35-37页 |
| ·处理文档对象模型中的文本节点 | 第37页 |
| ·处理DOM文档节点的属性 | 第37页 |
| ·节点的处理 | 第37-38页 |
| ·文档对象的序列化 | 第38-39页 |
| 第四章 HTML网页正文抽取模块的实现 | 第39-57页 |
| ·HTML的解析 | 第39页 |
| ·HTML的过滤 | 第39-40页 |
| ·内容块 | 第40-41页 |
| ·算法综述 | 第41-48页 |
| ·过滤算法 | 第48页 |
| ·正文分析 | 第48-55页 |
| ·HTML网页正文内容的特征 | 第48-49页 |
| ·主题相关度的判定 | 第49-55页 |
| ·剪枝算法 | 第55页 |
| ·算法总结 | 第55-57页 |
| 第五章 算法测评及应用 | 第57-63页 |
| ·实验系统的组成 | 第57页 |
| ·实验数据集 | 第57-58页 |
| ·实验测评标准 | 第58-59页 |
| ·实验结果及分析 | 第59-61页 |
| ·网页主题信息抽取的应用领域 | 第61-63页 |
| 第六章 结束语 | 第63-65页 |
| ·论文工作总结 | 第63页 |
| ·问题和展望 | 第63-65页 |
| 参考文献 | 第65-67页 |
| 致谢 | 第67页 |
