| 第一章 绪论 | 第1-13页 |
| ·引言 | 第8-9页 |
| ·Web 信息提取的应用 | 第9-11页 |
| ·本文主要内容 | 第11-13页 |
| 第二章 Web 信息提取技术综述 | 第13-36页 |
| ·什么是半结构化数据 | 第13-14页 |
| ·什么是(Web)信息提取 | 第14-16页 |
| ·信息提取技术的发展历史 | 第16-18页 |
| ·信息提取系统的体系结构 | 第18-20页 |
| ·信息提取中的关键技术 | 第20-24页 |
| ·命名实体识别 | 第20-21页 |
| ·句法分析 | 第21-22页 |
| ·篇章分析与推理 | 第22-23页 |
| ·知识获取 | 第23-24页 |
| ·Web 信息提取的分类 | 第24-27页 |
| ·Web 内容提取 | 第24-25页 |
| ·Web 结构提取 | 第25-26页 |
| ·Web 使用记录提取 | 第26-27页 |
| ·Web 信息提取的途径 | 第27-29页 |
| ·Web 信息提取的评价标准 | 第29-30页 |
| ·Web 信息提取算法 | 第30-34页 |
| ·基于 HMM(隐马尔可夫模型)的信息提取算法 | 第30-31页 |
| ·基于关系学习（Relational Learning）的信息提取 | 第31-34页 |
| ·典型系统 WHISK 简介 | 第34-35页 |
| ·本章总结 | 第35-36页 |
| 第三章 Web 信息提取的预处理 | 第36-41页 |
| ·过滤器体系结构 | 第36-37页 |
| ·网页的过滤和识别 | 第37-39页 |
| ·URL 聚类 | 第39-40页 |
| ·本章总结 | 第40-41页 |
| 第四章 基于 HTML 结构树的模板网页主题信息提取 | 第41-50页 |
| ·技术分析 | 第41-42页 |
| ·网页结构树的构造 | 第42-45页 |
| ·HTML 文档特点 | 第42-43页 |
| ·网页地址树 | 第43页 |
| ·网页文档对象模型树 | 第43-45页 |
| ·利用网页结构树模块化网页主题信息的提取算法 | 第45-49页 |
| ·训练阶段 | 第45页 |
| ·模板定义 | 第45-46页 |
| ·模板生成 | 第46-47页 |
| ·提取阶段 | 第47-49页 |
| ·本章总结 | 第49-50页 |
| 第五章 提取系统模型分析 | 第50-66页 |
| ·基于主题的Web 信息提取的分类 | 第50-51页 |
| ·广泛主题和具体主题的 Web 信息提取 | 第50页 |
| ·固定主题和可变主题的 Web 信息提取 | 第50-51页 |
| ·主题页面在Web 上的分布特征 | 第51-53页 |
| ·Hub 特性 | 第51页 |
| ·Sibling/Linkage Locality 特性 | 第51页 |
| ·站点主题特性 | 第51-52页 |
| ·Tunnel 特性 | 第52页 |
| ·四个特性的关系 | 第52-53页 |
| ·基于主题的Web 信息提取系统模型 | 第53-64页 |
| ·系统模型 | 第53-54页 |
| ·主题的选择 | 第54页 |
| ·提取起点的选择 | 第54页 |
| ·Web Spider 抓取页面 | 第54-56页 |
| ·提取预处理 | 第56页 |
| ·页面分析提取 | 第56-58页 |
| ·链接的提取 | 第56-57页 |
| ·电子邮件的提取 | 第57页 |
| ·标题的提取 | 第57-58页 |
| ·主题信息的提取 | 第58-60页 |
| ·构造主题词典 | 第58-59页 |
| ·网页文本的分词 | 第59页 |
| ·网页文本主题的识别 | 第59-60页 |
| ·URL 与主题的相关性判定 | 第60-63页 |
| ·链接分析方法：PageRank 算法 | 第61-62页 |
| ·IPageRank 算法 | 第62-63页 |
| ·页面与主题的相关性判定 | 第63页 |
| ·数据存储 | 第63-64页 |
| ·实例分析 | 第64-65页 |
| ·本章总结 | 第65-66页 |
| 第六章 结论与展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-71页 |
| 作者简历及发表的学术论文 | 第71页 |
