| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-15页 |
| ·论文的研究背景及研究价值 | 第10-11页 |
| ·论文的背景介绍 | 第10-11页 |
| ·论文的研究价值 | 第11页 |
| ·国内外研究现状 | 第11-13页 |
| ·国外研究现状 | 第11-12页 |
| ·国内研究现状 | 第12-13页 |
| ·WEB信息抽取技术的发展趋势和目标 | 第13页 |
| ·本文的主要研究内容 | 第13-14页 |
| ·本文的章节安排 | 第14-15页 |
| 第2章 信息抽取相关技术 | 第15-34页 |
| ·信息抽取 | 第15-17页 |
| ·信息抽取的概念 | 第15-16页 |
| ·信息抽取分类 | 第16-17页 |
| ·DOM树 | 第17-20页 |
| ·DOM树概念 | 第17-18页 |
| ·DOM树结构 | 第18-19页 |
| ·解析XML文档方法比较 | 第19-20页 |
| ·网页数据处理及相似度介绍 | 第20-25页 |
| ·网络爬虫 | 第20-21页 |
| ·HTML Parser技术 | 第21-24页 |
| ·网页相似度 | 第24-25页 |
| ·文本分类相关介绍 | 第25-27页 |
| ·文本分类的过程 | 第25-26页 |
| ·文本分词 | 第26页 |
| ·文本表示 | 第26-27页 |
| ·特征选择 | 第27页 |
| ·EM算法的相关理论 | 第27-33页 |
| ·贝叶斯分类 | 第28-31页 |
| ·基于GMM模型的EM算法基本思想 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第3章 基于EM算法和DOM树的WEB信息抽取算法 | 第34-51页 |
| ·基于DOM树的子树最优匹配算法 | 第34-36页 |
| ·相似度定义 | 第34-35页 |
| ·计算相似度步骤 | 第35-36页 |
| ·基于DOM树的中心节点和文本长度特征算法 | 第36-38页 |
| ·抽取文本分类的设计 | 第38-44页 |
| ·改进的TF-IDF | 第39-40页 |
| ·文档向量模型化 | 第40-41页 |
| ·半监督式EM重构训练集算法 | 第41-44页 |
| ·各算法验证 | 第44-50页 |
| ·网页相似度计算 | 第44-46页 |
| ·基于DOM树的中心节点和文本长度特征算法结果分析 | 第46-48页 |
| ·半监督式EM重构训练集算法验证 | 第48-50页 |
| ·本章小节 | 第50-51页 |
| 第4章 基于EM算法和DOM树的WEB信息抽取解决方案 | 第51-63页 |
| ·解决方案 | 第51-53页 |
| ·需求分析 | 第51-52页 |
| ·设计思路 | 第52-53页 |
| ·系统总体设计 | 第53-55页 |
| ·模块设计 | 第53-55页 |
| ·数据库设计 | 第55页 |
| ·系统模块详细设计和实现 | 第55-61页 |
| ·页面优化模块 | 第56-58页 |
| ·网页分类及规则学习模块 | 第58-60页 |
| ·文本分类模块 | 第60-61页 |
| ·系统结果验 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第5章 总结和展望 | 第63-65页 |
| ·论文总结 | 第63-64页 |
| ·论文展望 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68页 |
