基于视觉信息的Deep Web信息自动抽取技术的研究
| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 1 引言 | 第12-19页 |
| 1.1 研究背景和意义 | 第12页 |
| 1.2 Web 信息抽取技术的发展 | 第12-16页 |
| 1.2.1 概述 | 第12-15页 |
| 1.2.2 面临的问题 | 第15-16页 |
| 1.3 本文研究内容及创新点 | 第16-17页 |
| 1.4 本论文的组织 | 第17-19页 |
| 2 决策树分类算法 | 第19-26页 |
| 2.1 决策树简介 | 第19-24页 |
| 2.1.1 决策树的学习算法 | 第20-22页 |
| 2.1.2 问题 | 第22-24页 |
| 2.2 决策树的评估 | 第24页 |
| 2.3 WEKA 工具描述 | 第24-25页 |
| 2.4 小结 | 第25-26页 |
| 3 机器学习与规则融合的列表页面抽取 | 第26-45页 |
| 3.1 网页的视觉特征 | 第27-28页 |
| 3.2 Deep Web 页面的视觉化表示 | 第28-32页 |
| 3.3 页面分割算法 VIPS 的概述与应用 | 第32-35页 |
| 3.3.1 VIPS 分割算法 | 第32-34页 |
| 3.3.2 DOM4J 解析 xml 字符串 | 第34-35页 |
| 3.4 数据区域的自动定位 | 第35-40页 |
| 3.4.1 数据区域的视觉特征 | 第35-36页 |
| 3.4.2 机器学习数据区域的判定规则 | 第36-38页 |
| 3.4.3 手工编写规则完成区域节点的筛选 | 第38-40页 |
| 3.5 数据项的对齐并输出 | 第40-43页 |
| 3.5.1 视觉匹配算法 | 第41页 |
| 3.5.2 数据项对齐算法 | 第41-43页 |
| 3.5.3 数据项的对齐示例 | 第43页 |
| 3.6 小结 | 第43-45页 |
| 4 列表页面自动抽取系统 | 第45-53页 |
| 4.1 系统简介 | 第45-52页 |
| 4.1.1 实验训练样例的获取 | 第45-46页 |
| 4.1.2 训练集的优化 | 第46-47页 |
| 4.1.3 训练样例的获取 | 第47-48页 |
| 4.1.4 列表页面抽取及过滤 | 第48-50页 |
| 4.1.5 数据项对齐实验结果 | 第50-51页 |
| 4.1.6 分页数据的自动连续抽取 | 第51-52页 |
| 4.2 小结 | 第52-53页 |
| 5 总结与展望 | 第53-54页 |
| 5.1 总结 | 第53页 |
| 5.2 展望未来的工作 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 个人简历 | 第58页 |
| 发表的论文 | 第58页 |
| 科研成果 | 第58-59页 |
