基于规则的论坛爬取与抽取一体化
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-12页 |
| 第一章 绪论 | 第12-17页 |
| ·研究背景 | 第12-13页 |
| ·研究难点 | 第13-15页 |
| ·本文贡献 | 第15-16页 |
| ·本文组织 | 第16-17页 |
| 第二章 相关工作 | 第17-22页 |
| ·网络爬虫 | 第17-19页 |
| ·信息抽取 | 第19-22页 |
| 第三章 问题定义 | 第22-31页 |
| ·论坛数据结构 | 第22-24页 |
| ·论坛数据存储模型 | 第24-25页 |
| ·抽取规则的形式化定义 | 第25-30页 |
| ·模式映射规则 | 第25-27页 |
| ·XPath模式 | 第27-30页 |
| ·小结 | 第30-31页 |
| 第四章 模式映射规则的学习与解释 | 第31-40页 |
| ·模式映射规则学习 | 第31-33页 |
| ·训练集及其获取 | 第31-32页 |
| ·模式映射规则学习 | 第32-33页 |
| ·映射规则转化为XSLT | 第33-38页 |
| ·算法思想 | 第34-36页 |
| ·算法分析 | 第36-37页 |
| ·算法示例 | 第37-38页 |
| ·小结 | 第38-40页 |
| 第五章 InForCE系统 | 第40-46页 |
| ·设计思想 | 第40-41页 |
| ·系统架构 | 第41-44页 |
| ·爬虫 | 第42页 |
| ·HTML解析器 | 第42页 |
| ·链接池 | 第42-43页 |
| ·学习器 | 第43页 |
| ·规则库 | 第43-44页 |
| ·抽取器 | 第44页 |
| ·爬取策略 | 第44-45页 |
| ·小结 | 第45-46页 |
| 第六章 实验 | 第46-54页 |
| ·实验设置 | 第46-47页 |
| ·爬取队列的生成 | 第47-48页 |
| ·大规模的数据抽取 | 第48-50页 |
| ·使用模式映射规则进行信息抽取 | 第50-53页 |
| ·小结 | 第53-54页 |
| 第七章 总结与展望 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 附录 已发表或录用的论文 | 第61-62页 |
| 后记 | 第62页 |
