主题搜索引擎的信息抽取和索引的研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 绪论 | 第7-11页 |
| ·选题背景和意义 | 第7页 |
| ·主题搜索引擎简介 | 第7-9页 |
| ·信息抽取技术 | 第9页 |
| ·信息抽取与信息检索 | 第9页 |
| ·信息抽取与自动摘要 | 第9页 |
| ·本文的研究内容 | 第9-10页 |
| ·本文的组织结构 | 第10-11页 |
| 2 Web 信息抽取技术概述 | 第11-18页 |
| ·Web 信息抽取技术分类 | 第11页 |
| ·包装器概念（wrapper） | 第11-12页 |
| ·wrapper 构建技术的分类 | 第12-14页 |
| ·几种基于HTML 的信息抽取系统 | 第14-16页 |
| ·W4F | 第14页 |
| ·XWRAP | 第14-15页 |
| ·EXALG | 第15页 |
| ·Road Runner | 第15-16页 |
| ·国内的信息抽取研究 | 第16页 |
| ·Web 信息抽取存在的问题 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 3 Web 信息抽取的原理和方法 | 第18-39页 |
| ·XML 相关标准 | 第18-22页 |
| ·XML | 第18-19页 |
| ·XHTML | 第19-20页 |
| ·DOM | 第20-21页 |
| ·XPath | 第21页 |
| ·XSLT | 第21-22页 |
| ·用Java 进行XSLT 扩展 | 第22页 |
| ·系统的设计目标与思路 | 第22-24页 |
| ·系统的设计目标 | 第22页 |
| ·系统设计的基本思路 | 第22-23页 |
| ·XML 和XSLT 在系统中的角色 | 第23-24页 |
| ·抽取系统的总体框架 | 第24-25页 |
| ·系统中的知识库与数据库 | 第25页 |
| ·抽取规则库 | 第25页 |
| ·抽取结果数据库和Web 页面数据库 | 第25页 |
| ·页面优化模块 | 第25-30页 |
| ·XHTML 页面转化 | 第26-30页 |
| ·页面解析 | 第30页 |
| ·信息抽取模块 | 第30-39页 |
| ·规则学习的依据 | 第30-32页 |
| ·规则学习的步骤 | 第32-39页 |
| 4 抽取规则的优化 | 第39-45页 |
| ·优化问题的提出 | 第39页 |
| ·改进的定位方法 | 第39-42页 |
| ·路径与内容结合方法 | 第39-40页 |
| ·完全基于文本的方法 | 第40-41页 |
| ·基于属性的方法 | 第41页 |
| ·几种方法的比较 | 第41-42页 |
| ·各种方法的组合 | 第42-43页 |
| ·优化的抽取规则 | 第43-45页 |
| 5 倒排索引技术研究 | 第45-48页 |
| ·倒排索引概念 | 第45页 |
| ·中文分词技术 | 第45-48页 |
| 6 结论 | 第48-50页 |
| ·总结 | 第48页 |
| ·下一步工作 | 第48-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 附录 | 第54页 |
