标签树模板在网页关键信息抽取及话题识别中的应用
| 目录 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 引言 | 第7-10页 |
| ·本课题的研究背景 | 第7页 |
| ·本文的研究主题 | 第7-8页 |
| ·问题的提出 | 第7-8页 |
| ·本课题的现状 | 第8页 |
| ·本文的主要工作 | 第8页 |
| ·本文的结构 | 第8-10页 |
| 第二章 网页话题识别相关技术 | 第10-20页 |
| ·发展历史 | 第10-11页 |
| ·网页信息收集 | 第11-12页 |
| ·文档表示模型 | 第12-17页 |
| ·概率统计模型 | 第12-14页 |
| ·向量空间模型 | 第14-16页 |
| ·研究现状 | 第16-17页 |
| ·话题识别的聚类方法 | 第17-19页 |
| ·简单聚类 | 第17-18页 |
| ·基于层次的聚类 | 第18页 |
| ·基于划分的聚类 | 第18-19页 |
| ·小结 | 第19-20页 |
| 第三章 基于标签树模板的网页信息抽取 | 第20-40页 |
| ·网页信息提取研究现状 | 第20-22页 |
| ·HTML标签树模板 | 第22-26页 |
| ·标签树结构 | 第22-23页 |
| ·标签树结构与DOM、SAX | 第23-24页 |
| ·标签树模板 | 第24-26页 |
| ·标签树的相似性计算 | 第26页 |
| ·网页文档记录的提取 | 第26-31页 |
| ·从不同站点提取不同模板 | 第28-30页 |
| ·一个模板类的提取过程 | 第30页 |
| ·从非模板内容中提取文档记录 | 第30-31页 |
| ·实验及结果分析 | 第31-39页 |
| ·从不同站点提取不同模板 | 第31-32页 |
| ·模板的提取过程 | 第32-33页 |
| ·非模板内容里的文档内容 | 第33-35页 |
| ·网页文档记录的提取 | 第35-37页 |
| ·不同抽取方法的比较 | 第37-39页 |
| ·小结 | 第39-40页 |
| 第四章 结合网页结构特征的话题识别 | 第40-48页 |
| ·基于聚类的话题识别研究 | 第40页 |
| ·结合网页结构特征的话题聚类 | 第40-46页 |
| ·网页文档预处理 | 第40-41页 |
| ·筛选文本特征 | 第41-43页 |
| ·文档中不同记录块的文本 | 第43-44页 |
| ·网页结构特征 | 第44-45页 |
| ·简单层次聚类 | 第45-46页 |
| ·实验及结果分析 | 第46-47页 |
| ·小结 | 第47-48页 |
| 第五章 网页话题识别应用系统 | 第48-56页 |
| ·网页话题识别的系统设计 | 第48-49页 |
| ·多线程多优先级队列网页爬虫 | 第49-52页 |
| ·网页爬虫原理 | 第49-50页 |
| ·网页爬虫实现 | 第50-52页 |
| ·利用标签树模板解析网页与话题识别 | 第52页 |
| ·数据库表结构设计 | 第52-55页 |
| ·主要结构图 | 第53页 |
| ·信息抽取与处理部分 | 第53-54页 |
| ·话题识别部分 | 第54-55页 |
| ·小结 | 第55-56页 |
| 第六章 结论与展望 | 第56-57页 |
| 参考目录 | 第57-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士期间发表的论文 | 第61-62页 |
