| 摘要 | 第6-8页 |
| ABSTRACT | 第8页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景 | 第11-13页 |
| 1.2 国内外研究现状概况 | 第13-16页 |
| 1.3 论文的主要研究内容 | 第16-18页 |
| 1.3.1 基于URL结构过滤的非监督的聚焦爬虫 | 第17页 |
| 1.3.2 基于视觉单位的Web网页信息抽取技术 | 第17页 |
| 1.3.3 基于增量聚类的非模型Web网页信息抽取方法 | 第17-18页 |
| 1.4 本文组织 | 第18-19页 |
| 第二章Web信息抽取与相关技术 | 第19-27页 |
| 2.1 Web信息抽取技术综述 | 第19-25页 |
| 2.1.1 基于包装器的技术 | 第20-21页 |
| 2.1.2 基于视觉的技术 | 第21页 |
| 2.1.3 基于统计的技术 | 第21-22页 |
| 2.1.4 基于本体的技术 | 第22-23页 |
| 2.1.5 Web网页处理相关技术 | 第23-25页 |
| 2.2 小结 | 第25-27页 |
| 第三章 基于URL结构过滤的非监督的聚焦爬虫 | 第27-45页 |
| 3.1 概述 | 第27-29页 |
| 3.2 相关工作 | 第29-30页 |
| 3.3 基于URL结构过滤的非监督的聚焦爬虫 | 第30-36页 |
| 3.3.1 URL结构介绍 | 第30-32页 |
| 3.3.2 URL过滤策略 | 第32-34页 |
| 3.3.3 非监督的权重调节机制 | 第34-36页 |
| 3.4 实验与分析 | 第36-44页 |
| 3.4.1 数据集 | 第36-37页 |
| 3.4.2 实验结果与分析 | 第37-44页 |
| 3.5 小结 | 第44-45页 |
| 第四章 基于视觉单位的Web信息抽取技术及其在新闻正文抽取中的应用 | 第45-52页 |
| 4.1 概述 | 第45页 |
| 4.2 相关工作 | 第45-46页 |
| 4.3 基于视觉单位的Web信息抽取方法及应用 | 第46-50页 |
| 4.3.1 视觉单位识别 | 第47-48页 |
| 4.3.2 新闻正文抽取的应用 | 第48-50页 |
| 4.4 实验与分析 | 第50-51页 |
| 4.5 小结 | 第51-52页 |
| 第五章 基于增量聚类的非模型Web信息抽取方法 | 第52-69页 |
| 5.1 概述 | 第52-53页 |
| 5.2 相关工作 | 第53-54页 |
| 5.3 有限增量聚类方法 | 第54-61页 |
| 5.3.1 假设和前提 | 第54-55页 |
| 5.3.2 Kmeans的基本原理 | 第55-56页 |
| 5.3.3 基于全局和局部稳定度的聚类有效评价方法 | 第56-58页 |
| 5.3.4 面向信息抽取应用的增量聚类方法 | 第58-59页 |
| 5.3.5 实验 | 第59-61页 |
| 5.4 基于增量聚类的非模型信息抽取方法在新闻正文抽取中的应用 | 第61-68页 |
| 5.4.1 新闻正文抽取相关文献 | 第61-62页 |
| 5.4.2 新闻正文抽取 | 第62-65页 |
| 5.4.3 实验 | 第65-68页 |
| 5.5 小结 | 第68-69页 |
| 第六章 结论与展望 | 第69-71页 |
| 6.1 研究工作的创新性 | 第69-70页 |
| 6.2 研究工作的延展性 | 第70-71页 |
| 参考文献 | 第71-77页 |
| 作者在攻读硕士学位期间公开发表的论文 | 第77-78页 |
| 作者在攻读硕士学位期间所作的项目 | 第78-79页 |
| 致谢 | 第79页 |
