半结构化文本中的表格信息抽取技术的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-19页 |
| ·课题背景 | 第10-14页 |
| ·信息抽取的历史 | 第11-12页 |
| ·信息抽取的四种形式 | 第12-13页 |
| ·半结构化文本中表格信息提取的重要性 | 第13-14页 |
| ·国内外相关研究工作 | 第14-17页 |
| ·早期纯文本表格信息抽取技术的研究 | 第14-16页 |
| ·早期半结构化文本表格信息抽取技术的研究 | 第16-17页 |
| ·召回率、准确率、F 值评测 | 第17页 |
| ·本文的研究内容 | 第17-19页 |
| 第2章 表格的概述和语料库的标注 | 第19-25页 |
| ·表格的定义、特点和作用 | 第19-22页 |
| ·表格的定义 | 第19-21页 |
| ·表格的特点 | 第21页 |
| ·表格的作用 | 第21-22页 |
| ·表格的分类 | 第22-23页 |
| ·语料库的标注 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 表格框架的提取和特征的选取 | 第25-32页 |
| ·表格框架的提取 | 第25-26页 |
| ·表格的规范化 | 第26-28页 |
| ·表格特征的选取 | 第28-31页 |
| ·表格布局的特征 | 第28-30页 |
| ·表格内容的特征 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第4章 最大熵模型的应用及与决策树的比较 | 第32-46页 |
| ·最大熵模型训练 | 第32-39页 |
| ·最大熵模型在文本分类中的应用 | 第32-36页 |
| ·基于最大熵模型的表格识别分类器 | 第36-37页 |
| ·特征模版和取值范围 | 第37-39页 |
| ·决策树模型训练 | 第39-43页 |
| ·决策树分类器 | 第39-42页 |
| ·基于决策树模型的表格识别 | 第42-43页 |
| ·最大熵和决策树方法的比较与分析 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第5章 Web 表格信息提取 | 第46-56页 |
| ·HTML 文档的不规范化问题 | 第46页 |
| ·XML 相对HTML 的优势 | 第46-47页 |
| ·基于HTML Tidy 的网页规范化 | 第47-49页 |
| ·HTML Tidy 介绍 | 第47-48页 |
| ·HTML 规范化为XML | 第48-49页 |
| ·基于Wrapper 的提取方法 | 第49-50页 |
| ·基于DOM 的提取方法 | 第50-51页 |
| ·Web 表格信息抽取算法 | 第51-55页 |
| ·用HTML Dom 树解析web 网页 | 第51-53页 |
| ·用Dom 方法提取web 表格 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 硕士期间发表的论文 | 第62-64页 |
| 致谢 | 第64页 |
