| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.1.1 研究背景 | 第8页 |
| 1.1.2 研究意义 | 第8页 |
| 1.2 国内外相关研究现状 | 第8-10页 |
| 1.2.1 文本信息抽取的国外发展现状 | 第8-9页 |
| 1.2.2 文本信息抽取的国内发展现状 | 第9-10页 |
| 1.3 主要研究内容 | 第10页 |
| 1.4 论文组织结构 | 第10-12页 |
| 第二章 基础理论与相关技术 | 第12-17页 |
| 2.1 基础理论 | 第12-13页 |
| 2.1.1 网络爬虫概念界定 | 第12页 |
| 2.1.2 数据清洗的概念界定 | 第12页 |
| 2.1.3 脏数据的概念界定 | 第12-13页 |
| 2.1.4 文本信息抽取概念界定 | 第13页 |
| 2.2 相关技术 | 第13-16页 |
| 2.2.1 数据清洗的基本框架 | 第13-15页 |
| 2.2.2 中文分词技术 | 第15页 |
| 2.2.3 隐马尔可夫模型 | 第15-16页 |
| 2.2.4 最大熵原理 | 第16页 |
| 2.2.5 本体的概念 | 第16页 |
| 2.3 本章小结 | 第16-17页 |
| 第三章 文本信息抽取信息源的获取 | 第17-23页 |
| 3.1 信息采集数据源的结构分析 | 第17-19页 |
| 3.2 信息采集的方法和策略 | 第19-20页 |
| 3.3 分布式多线程架构的处理流程 | 第20页 |
| 3.4 信息采集规则的处理流程 | 第20-22页 |
| 3.5 信息采集的结果 | 第22页 |
| 3.5.1 数据采集结果的结构分析 | 第22页 |
| 3.5.2 数据采集结果的存储 | 第22页 |
| 3.6 本章小结 | 第22-23页 |
| 第四章 文本信息抽取的数据标准化 | 第23-26页 |
| 4.1 无效值的数据标准化 | 第23-24页 |
| 4.2 错误值的数据标准化 | 第24-25页 |
| 4.3 重复值的数据标准化 | 第25页 |
| 4.4 本章小结 | 第25-26页 |
| 第五章 文本信息抽取的方法设计 | 第26-35页 |
| 5.1 文本信息抽取的样本分析 | 第26-28页 |
| 5.1.1 样本数据结构分析 | 第26-27页 |
| 5.1.2 信息抽取数据格式的设计 | 第27-28页 |
| 5.2 文本信息抽取策略 | 第28-30页 |
| 5.2.1 基于本体的文本信息抽取方法 | 第28-29页 |
| 5.2.2 基于最大熵的隐马尔可夫模型的文本信息抽取方法 | 第29-30页 |
| 5.2.3 信息抽取模型的选取 | 第30页 |
| 5.3 抽取方法的设计 | 第30-34页 |
| 5.3.1 作者信息的本体设计 | 第30-32页 |
| 5.3.2 文本信息抽取框架 | 第32页 |
| 5.3.3 文本信息预处理 | 第32-33页 |
| 5.3.4 命名实体抽取 | 第33页 |
| 5.3.5 事件信息甄别 | 第33-34页 |
| 5.4 本章小结 | 第34-35页 |
| 第六章 作者文本信息抽取系统的设计与实现 | 第35-53页 |
| 6.1 AIES系统整体架构 | 第35-36页 |
| 6.2 调度层设计与实现 | 第36-37页 |
| 6.3 爬取业务层设计与实现 | 第37-41页 |
| 6.4 数据层设计与实现 | 第41-43页 |
| 6.5 信息抽取层设计与实现 | 第43-50页 |
| 6.6 实验验证 | 第50-52页 |
| 6.6.1 实验结果评价指标 | 第50页 |
| 6.6.2 实验结果分析 | 第50-52页 |
| 6.7 本章小结 | 第52-53页 |
| 第七章 总结与展望 | 第53-54页 |
| 7.1 结论 | 第53页 |
| 7.2 不足与展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57页 |