面向特定领域的Web信息抽取技术的研究与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 Web信息抽取技术研究现状 | 第10-12页 |
| 1.2.1 Web正文抽取技术 | 第10-11页 |
| 1.2.2 Web实体抽取技术 | 第11-12页 |
| 1.3 本文研究内容 | 第12-13页 |
| 1.4 本文结构 | 第13-15页 |
| 第二章 Web信息抽取关键技术研究分析 | 第15-26页 |
| 2.1 引言 | 第15页 |
| 2.2 Web正文抽取技术 | 第15-20页 |
| 2.2.1 基于统计与正文特征的正文抽取技术 | 第15-17页 |
| 2.2.2 基于机器学习的正文抽取技术 | 第17-18页 |
| 2.2.3 基于文档特征的正文抽取技术 | 第18-20页 |
| 2.2.4 其他正文抽取技术 | 第20页 |
| 2.3 Web实体抽取技术 | 第20-24页 |
| 2.3.1 基于规则的抽取方法 | 第21-22页 |
| 2.3.2 基于统计的抽取算法 | 第22-24页 |
| 2.4 本章总结 | 第24-26页 |
| 第三章 基于Web语义化的正文抽取算法设计 | 第26-41页 |
| 3.1 相关技术 | 第26-29页 |
| 3.1.1 DOM | 第26-28页 |
| 3.1.2 Web语义化 | 第28-29页 |
| 3.2 预处理 | 第29-31页 |
| 3.2.1 解析HTML | 第30页 |
| 3.2.2 移除结构噪声 | 第30页 |
| 3.2.3 移除功能噪声 | 第30-31页 |
| 3.3 算法详细设计 | 第31-35页 |
| 3.3.1 算法设计原则 | 第31-32页 |
| 3.3.2 算法设计流程 | 第32-35页 |
| 3.4 实验分析 | 第35-40页 |
| 3.4.1 数据集和评价指标 | 第36页 |
| 3.4.2 结果分析 | 第36-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 基于CRFs的Web正文实体信息抽取 | 第41-49页 |
| 4.1 实体分析 | 第41页 |
| 4.2 特征选取 | 第41-42页 |
| 4.3 序列标注 | 第42-44页 |
| 4.4 实验分析 | 第44-48页 |
| 4.4.1 模型建立 | 第44-46页 |
| 4.4.2 结果分析 | 第46-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第五章 算法在信息采集整合系统中的应用 | 第49-55页 |
| 5.1 系统整体介绍 | 第49-51页 |
| 5.2 正文抽取模块 | 第51-52页 |
| 5.3 实体信息提取模块 | 第52-55页 |
| 第六章 总结及展望 | 第55-57页 |
| 6.1 总结 | 第55-56页 |
| 6.2 展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 攻读学位期间发表的学术论文目录 | 第61页 |
