| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第1章 引言 | 第10-18页 |
| ·课题背景 | 第10-11页 |
| ·研究现状 | 第11-13页 |
| ·研究目的与意义 | 第13-14页 |
| ·研究目的 | 第13-14页 |
| ·研究意义 | 第14页 |
| ·问题的提出与解决思路 | 第14-17页 |
| ·问题的提出 | 第14-15页 |
| ·解决思路 | 第15-17页 |
| ·论文组织结构 | 第17-18页 |
| 第2章 相关知识技术综述 | 第18-27页 |
| ·HTML 和 XML | 第18-20页 |
| ·HTML 概念及标签 | 第18页 |
| ·XML | 第18-20页 |
| ·模板化 Web 文档结构分析 | 第20-21页 |
| ·本体论 | 第21-24页 |
| ·本体的概念与分类 | 第21页 |
| ·本体的构建 | 第21-22页 |
| ·本体的概念模型 | 第22-24页 |
| ·BP 神经网络 | 第24-26页 |
| ·BP 神经网络概述 | 第24页 |
| ·BP 神经网络模型 | 第24-25页 |
| ·BP 神经网络学习原理 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 基于模板的 Deep Web 实体信息抽取 | 第27-39页 |
| ·实体信息抽取模型 | 第27-28页 |
| ·加工准备阶段 | 第28-30页 |
| ·网页自动获取 | 第28-29页 |
| ·HTML 网页信息清洗 | 第29-30页 |
| ·模板训练阶段 | 第30-36页 |
| ·结构分析 | 第31-33页 |
| ·语义分析 | 第33-36页 |
| ·实体信息抽取阶段 | 第36-38页 |
| ·寻找匹配数据源信息路径 | 第36-37页 |
| ·实体信息抽取 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 基于 BP 神经网络的 Deep Web 实体识别 | 第39-48页 |
| ·实体识别概述 | 第39-40页 |
| ·实体信息分块 | 第40-41页 |
| ·语义块相似度计算 | 第41-43页 |
| ·非字符串的相似度计算 | 第41-42页 |
| ·字符文本的相似度计算 | 第42-43页 |
| ·基于 BP 神经网络的实体识别模型训练 | 第43-47页 |
| ·BP 算法 | 第43-45页 |
| ·实体识别模型 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 实验与分析 | 第48-59页 |
| ·准备工作 | 第48-49页 |
| ·实验环境和开发工具介绍 | 第48页 |
| ·数据源 | 第48-49页 |
| ·性能指标 | 第49页 |
| ·实验内容与结果分析 | 第49-58页 |
| ·实体信息抽取阶段 | 第49-52页 |
| ·实体识别阶段 | 第52-58页 |
| ·本章小结 | 第58-59页 |
| 第6章 结论与展望 | 第59-61页 |
| ·结论 | 第59页 |
| ·后期工作展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 攻读学位期间发表的学术论文及参加科研情况 | 第65-66页 |