基于信息抽取技术的房屋租赁信息平台的设计与实现
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 开发背景 | 第10-11页 |
| 1.2 开发意义 | 第11-12页 |
| 1.3 本文贡献 | 第12页 |
| 1.4 本文主要内容 | 第12-13页 |
| 1.5 本章小结 | 第13-14页 |
| 第2章 相关背景技术 | 第14-24页 |
| 2.1 信息抽取相关技术 | 第14-16页 |
| 2.1.1 信息抽取与信息检索 | 第14页 |
| 2.1.2 信息抽取的主要任务 | 第14-15页 |
| 2.1.3 Web信息抽取 | 第15-16页 |
| 2.2 条件随机场 | 第16-17页 |
| 2.3 深度学习相关技术 | 第17-22页 |
| 2.3.1 神经网络和深度学习的发展 | 第17-18页 |
| 2.3.2 循环神经网络 | 第18页 |
| 2.3.3 长短时记忆模型 | 第18-20页 |
| 2.3.4 TensorFlow深度学习编程系统 | 第20-22页 |
| 2.4 本章小结 | 第22-24页 |
| 第3章 房屋租赁信息的抽取模型 | 第24-36页 |
| 3.1 整体介绍 | 第24-25页 |
| 3.2 基于规则的抽取模型整体结构 | 第25-31页 |
| 3.2.1 基于规则的命名实体识别算法 | 第25-29页 |
| 3.2.2 价格信息抽取规则生成 | 第29-30页 |
| 3.2.3 供需关系信息的抽取规则生成 | 第30-31页 |
| 3.3 基于深度学习的抽取模型整体结构 | 第31-35页 |
| 3.3.1 双向长短期记忆模型 | 第31页 |
| 3.3.2 基于深度学习的信息抽取模型架构 | 第31-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 房屋租赁文本信息抽取模型的方法实现 | 第36-50页 |
| 4.1 获取网页 | 第36-37页 |
| 4.2 标记目标信息 | 第37-38页 |
| 4.3 基于规则的房屋租赁信息抽取模块 | 第38-42页 |
| 4.4 基于深度学习的房屋租赁信息抽取模块 | 第42-49页 |
| 4.4.1 TensorFlow模型的建立 | 第43-44页 |
| 4.4.2 Word Embedding | 第44页 |
| 4.4.3 TensorFlow构建过程 | 第44-46页 |
| 4.4.4 启动训练和生成模型 | 第46-47页 |
| 4.4.5 使用训练模型对目标文本进行抽取 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 房屋租赁信息平台的设计与实现 | 第50-58页 |
| 5.1 房屋租赁信息平台总体设计 | 第50-52页 |
| 5.1.1 信息平台结构设计 | 第50页 |
| 5.1.2 数据库逻辑结构设计 | 第50-51页 |
| 5.1.3 平台功能介绍 | 第51-52页 |
| 5.2 房屋租赁信息平台详细设计 | 第52-55页 |
| 5.3 数据库表的设计表 | 第55-56页 |
| 5.4 系统的数据库备份设计 | 第56-57页 |
| 5.5 系统的安全性措施 | 第57页 |
| 5.6 本章小结 | 第57-58页 |
| 总结与展望 | 第58-59页 |
| 参考文献 | 第59-61页 |
| 致谢 | 第61页 |
