大规模Web信息抽取与文本分类研究
摘要 | 第4-5页 |
Abstract | 第5页 |
专用术语注释表 | 第8-9页 |
第一章 绪论 | 第9-17页 |
1.1 研究背景 | 第9-11页 |
1.2 研究现状 | 第11-14页 |
1.2.1 Web信息抽取相关研究 | 第11-12页 |
1.2.2 文本分类相关研究 | 第12-14页 |
1.3 研究内容与组织结构 | 第14-17页 |
第二章 相关背景知识介绍 | 第17-26页 |
2.1 Web信息抽取涉及的理论与方法 | 第17-20页 |
2.1.1 Web信息抽取方法 | 第17-19页 |
2.1.2 MapReduce并行计算框架 | 第19-20页 |
2.2 Web文本分类涉及的理论与方法 | 第20-25页 |
2.2.1 特征选择 | 第20-22页 |
2.2.2 文本表示 | 第22页 |
2.2.3 文本分类 | 第22-25页 |
2.3 本章小结 | 第25-26页 |
第三章 大规模Web信息的抽取方法 | 第26-35页 |
3.1 研究思路 | 第26页 |
3.2 大规模Web信息的抽取过程 | 第26-31页 |
3.2.1 DOM树的剪枝融合 | 第27-28页 |
3.2.2 正文内容抽取 | 第28-30页 |
3.2.3 基于MapReduce的抽取并行化 | 第30-31页 |
3.3 实验结果与分析 | 第31-34页 |
3.3.1 数据集 | 第31-32页 |
3.3.2 实验评价指标 | 第32页 |
3.3.3 实验结果分析 | 第32-34页 |
3.4 本章小结 | 第34-35页 |
第四章 大规模Web文本的分类 | 第35-47页 |
4.1 研究思路 | 第35-36页 |
4.2 大规模Web文本的分类过程 | 第36-42页 |
4.2.1 基于复杂网络的文本特征选择 | 第36-38页 |
4.2.2 基于kNN的SVM决策树长文本分类 | 第38-40页 |
4.2.3 基于长文本类别主题词的短文本分类 | 第40-42页 |
4.3 实验结果与分析 | 第42-45页 |
4.3.1 数据集 | 第42页 |
4.3.2 实验评价指标 | 第42-43页 |
4.3.3 实验结果分析 | 第43-45页 |
4.4 本章小结 | 第45-47页 |
第五章 Web信息抽取与文本分类系统设计 | 第47-54页 |
5.1 背景与系统简介 | 第47-49页 |
5.1.1 背景介绍 | 第47-48页 |
5.1.2 系统简介 | 第48-49页 |
5.2 Web信息抽取系统详细设计 | 第49-51页 |
5.2.1 页面收集 | 第49-50页 |
5.2.2 信息抽取与整合 | 第50-51页 |
5.2.3 文本信息的输出 | 第51页 |
5.3 Web文本分类系统详细设计 | 第51-53页 |
5.3.1 文本信息预处理 | 第51-52页 |
5.3.2 特征选择与文本表示 | 第52页 |
5.3.3 Web文本分类 | 第52-53页 |
5.4 本章小结 | 第53-54页 |
第六章 总结与展望 | 第54-56页 |
6.1 工作总结 | 第54-55页 |
6.2 研究展望 | 第55-56页 |
参考文献 | 第56-59页 |
附录1 攻读硕士学位期间撰写的论文 | 第59-60页 |
附录2 攻读硕士学位期间参加的科研项目 | 第60-61页 |
致谢 | 第61页 |