| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-14页 |
| ·研究背景 | 第10-11页 |
| ·研究目标 | 第11-12页 |
| ·本文工作 | 第12-14页 |
| 第二章 研究基础 | 第14-22页 |
| ·Web信息抽取技术 | 第14-16页 |
| ·Web信息抽取 | 第14页 |
| ·Web信息抽取技术的分类 | 第14-16页 |
| ·Web页面特性 | 第16-19页 |
| ·信息聚合特性 | 第16-17页 |
| ·信息复杂性 | 第17页 |
| ·半结构化特性 | 第17-18页 |
| ·多样性与非规范性 | 第18页 |
| ·布局方式的灵活性 | 第18-19页 |
| ·Web页面分块技术 | 第19-22页 |
| ·HTML标签分析法 | 第19页 |
| ·DOM树分析法 | 第19-20页 |
| ·其他方法 | 第20-21页 |
| ·Web页面分块技术的应用 | 第21-22页 |
| 第三章 基于多特征的WEB页面分块算法 | 第22-36页 |
| ·Web页面特征分析 | 第22-29页 |
| ·布局特征分析 | 第22-24页 |
| ·显示特征分析 | 第24-26页 |
| ·语义特征分析 | 第26-28页 |
| ·文档结构特征分析 | 第28-29页 |
| ·基于多特征的语义块模型 | 第29-32页 |
| ·基于语义块模型的MFPS分块算法 | 第32-36页 |
| ·算法思想 | 第32页 |
| ·MFPS分块过程 | 第32-36页 |
| 第四章 MFPS分块算法的实现 | 第36-56页 |
| ·相似块的识别方法 | 第36-38页 |
| ·结点序列的合并方法 | 第38-44页 |
| ·单行类型的合并 | 第38-39页 |
| ·多行类型的合并 | 第39-41页 |
| ·多块类型的合并 | 第41-43页 |
| ·行块交替类型的合并 | 第43-44页 |
| ·分割类型的识别方法 | 第44-45页 |
| ·语义类型的识别方法 | 第45-50页 |
| ·文本类型的识别 | 第46-47页 |
| ·图片类型的识别 | 第47页 |
| ·文本链接类型的识别 | 第47-48页 |
| ·图片链接类型的识别 | 第48-49页 |
| ·表单类型的识别 | 第49-50页 |
| ·普通类型的识别 | 第50页 |
| ·多特征信息的识别方法 | 第50-51页 |
| ·MFPS分块算法的基本实现 | 第51-53页 |
| ·性能分析 | 第53-56页 |
| 第五章 基于MFPS分块算法的页面类型识别与信息属性的抽取 | 第56-74页 |
| ·面向主题的块的重要度分析 | 第56-66页 |
| ·面向主题的块的重要度 | 第56-58页 |
| ·分隔条检测 | 第58-63页 |
| ·块的重要度的计算算法 | 第63-66页 |
| ·新闻页面识别与信息属性的抽取 | 第66-70页 |
| ·新闻页面识别算法 | 第67-68页 |
| ·信息属性的抽取 | 第68页 |
| ·实验结果 | 第68-70页 |
| ·导航页面识别与信息属性的抽取 | 第70-74页 |
| ·导航页面识别算法 | 第70-71页 |
| ·信息属性的抽取 | 第71-72页 |
| ·实验结果 | 第72-74页 |
| 第六章 结论 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80页 |