| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 图表清单 | 第8-10页 |
| 注释表 | 第10-11页 |
| 第一章 绪论 | 第11-17页 |
| ·研究背景和意义 | 第11-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·研究对象和研究模型 | 第13-15页 |
| ·本文的研究内容及组织 | 第15-17页 |
| 第二章 Web 信息抽取技术 | 第17-23页 |
| ·Web 信息抽取技术的概念 | 第17页 |
| ·信息抽取与信息检索 | 第17-18页 |
| ·现有Web 信息抽取技术的分类 | 第18-21页 |
| ·根据自动化程度分类 | 第18页 |
| ·根据抽取原理分类 | 第18-21页 |
| ·Web 信息抽取存在的问题 | 第21页 |
| ·Web 信息抽取系统的评价指标 | 第21-22页 |
| ·小结 | 第22-23页 |
| 第三章 基于二叉树的HTML 到XML 的转换方法 | 第23-34页 |
| ·引言 | 第23-24页 |
| ·HTML、XML 和XHTML | 第24-25页 |
| ·XML 和HTML 的二叉树表示 | 第25-27页 |
| ·基于二叉树的HTML 到 XML 的转换算法 | 第27-31页 |
| ·算法流程 | 第27页 |
| ·将HTML 划分为段列表 | 第27-28页 |
| ·HTML 二叉树的构造 | 第28-30页 |
| ·XML 文件的输出 | 第30-31页 |
| ·算法实例 | 第31页 |
| ·算法修正 | 第31页 |
| ·实验及分析 | 第31-33页 |
| ·小结 | 第33-34页 |
| 第四章 Web 信息抽取中的数据记录定位 | 第34-60页 |
| ·引言 | 第34-35页 |
| ·主要内容区的定位 | 第35-37页 |
| ·数据区域的定位 | 第37-54页 |
| ·树的编辑距离 | 第38-39页 |
| ·树的最大匹配 | 第39-46页 |
| ·树的相似度计算 | 第46-49页 |
| ·一般节点的比较 | 第49-51页 |
| ·数据区域的定位 | 第51-54页 |
| ·数据记录的定位 | 第54-56页 |
| ·实验及分析 | 第56-59页 |
| ·小结 | 第59-60页 |
| 第五章 Web 信息抽取中的数据属性对齐和抽取 | 第60-70页 |
| ·引言 | 第60-61页 |
| ·数据记录的聚类 | 第61-62页 |
| ·数据属性的对齐 | 第62-64页 |
| ·处理流程 | 第62-63页 |
| ·插入主树的条件 | 第63-64页 |
| ·基于聚类的数据记录对齐算法 | 第64-67页 |
| ·实验及分析 | 第67-69页 |
| ·小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| ·总结 | 第70页 |
| ·展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-77页 |
| 在学期间的研究成果及发表的学术论文 | 第77页 |