| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景 | 第8-9页 |
| ·研究现状 | 第9-12页 |
| ·Web信息抽取技术研究现状 | 第9-11页 |
| ·搜索引擎发展现状 | 第11-12页 |
| ·研究内容 | 第12-13页 |
| ·本文组织结构 | 第13-14页 |
| 第二章 Web信息抽取及垂直搜索引擎技术 | 第14-22页 |
| ·DOM技术 | 第14-15页 |
| ·DOM | 第14页 |
| ·Cobra软件 | 第14-15页 |
| ·分装器 | 第15-16页 |
| ·Web信息抽取评价指标 | 第16-17页 |
| ·文本预处理 | 第17-19页 |
| ·文本分类 | 第17-18页 |
| ·中文分词 | 第18-19页 |
| ·Lucene工具包 | 第19页 |
| ·垂直搜索引擎原理 | 第19-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 基于标签序列的 Web页面主题信息抽取方法研究 | 第22-42页 |
| ·引言 | 第22-23页 |
| ·相关概念与分析 | 第23-26页 |
| ·相关概念 | 第23页 |
| ·页面结构分析 | 第23-25页 |
| ·主题属性页面显示格式特征分析 | 第25-26页 |
| ·主题属性页面表示方式特征分析 | 第26页 |
| ·一种基于标签序列的Web页面主题信息抽取方法 | 第26-36页 |
| ·相关策略 | 第26-27页 |
| ·相关定义 | 第27-29页 |
| ·基于标签序列的Web页面主题信息抽取模型 | 第29-30页 |
| ·样本训练 | 第30-33页 |
| ·主题信息抽取 | 第33-36页 |
| ·实验 | 第36-40页 |
| ·实验过程 | 第36-39页 |
| ·实验分析 | 第39-40页 |
| ·本章小结 | 第40-42页 |
| 第四章 基于可信度的Web页面主题新属性发现 | 第42-59页 |
| ·引言 | 第42-43页 |
| ·可信度 | 第43-44页 |
| ·一种基于可信度的 Web页面主题新属性发现方法 | 第44-54页 |
| ·证据定义 | 第44-45页 |
| ·基于可信度的Web页面主题新属性发现模型 | 第45-46页 |
| ·字体关系可信度 | 第46-49页 |
| ·背景关系可信度 | 第49-51页 |
| ·待抽取属性名与已抽取属性名拥有相同父节点可信度 | 第51-52页 |
| ·待抽取属性名与已抽取属性名格式相同可信度 | 第52-53页 |
| ·待抽取属性名与用户感兴趣范围关系可信度 | 第53-54页 |
| ·实验 | 第54-58页 |
| ·实验过程 | 第54-57页 |
| ·实验分析 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 垂直搜索引擎原型系统设计 | 第59-68页 |
| ·系统整体框架 | 第59页 |
| ·总体结构 | 第59-62页 |
| ·模块介绍 | 第60页 |
| ·系统处理流程 | 第60-62页 |
| ·专业网络蜘蛛 | 第62页 |
| ·总体设计 | 第62-67页 |
| ·URL队列管理子模块 | 第64-65页 |
| ·主题信息抽取与新属性发现子模块 | 第65-67页 |
| ·本章小结 | 第67-68页 |
| 第六章 总结和展望 | 第68-70页 |
| ·本文工作总结 | 第68页 |
| ·进一步展望 | 第68-70页 |
| 参考文献 | 第70-75页 |
| 致谢 | 第75-76页 |
| 攻读学位期间主要的研究成果 | 第76页 |