基于Hadoop的Web页面正文抽取技术的研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 论文的研究内容 | 第11-12页 |
| 1.4 论文的组织结构 | 第12-13页 |
| 第二章 Web信息抽取及Hadoop相关技术 | 第13-25页 |
| 2.1 Web信息抽取概述 | 第13-15页 |
| 2.1.1 Web信息抽取定义 | 第13页 |
| 2.1.2 Web信息抽取面临的问题 | 第13-14页 |
| 2.1.3 Web信息抽取评价指标 | 第14-15页 |
| 2.2 Web信息抽取相关技术 | 第15-18页 |
| 2.2.1 基于DOM的信息抽取技术 | 第15-16页 |
| 2.2.2 基于本体的信息抽取 | 第16页 |
| 2.2.3 基于统计的信息抽取技术 | 第16-17页 |
| 2.2.4 基于包装器的归纳信息抽取 | 第17页 |
| 2.2.5 基于视觉信息的抽取技术 | 第17-18页 |
| 2.3 Hadoop平台阐述 | 第18-24页 |
| 2.3.1 Hadoop平台背景 | 第18-20页 |
| 2.3.2 MapReduce模型 | 第20-23页 |
| 2.3.3 HDFS文件存储系统 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于视觉的网页分割算法 | 第25-36页 |
| 3.1 Web页面分析 | 第25-27页 |
| 3.1.1 Web页面编码处理 | 第25-26页 |
| 3.1.2 Web页面规范化 | 第26页 |
| 3.1.3 Web页面视觉特性分析 | 第26-27页 |
| 3.2 样式树的模型建立 | 第27-30页 |
| 3.2.1 VIPS算法 | 第27-29页 |
| 3.2.2 样式树模型 | 第29-30页 |
| 3.3 分隔条权重生成 | 第30-32页 |
| 3.3.1 样式分割生成 | 第30-31页 |
| 3.3.2 样式系数转化 | 第31页 |
| 3.3.3 分隔条权重 | 第31-32页 |
| 3.4 基于视觉信息的分割算法 | 第32-35页 |
| 3.4.1 基本思想 | 第32-33页 |
| 3.4.2 分割策略 | 第33-34页 |
| 3.4.3 视觉块树生成 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 基于信息熵的正文块识别 | 第36-47页 |
| 4.1 网页块特征分析 | 第36-39页 |
| 4.1.1 网页块的样式特征分析 | 第36-37页 |
| 4.1.2 网页块内容特征分析 | 第37-38页 |
| 4.1.3 网页块特征词分析 | 第38-39页 |
| 4.2 基于信息熵的块重要度计算 | 第39-43页 |
| 4.2.1 信息熵 | 第39-40页 |
| 4.2.2 网页块样式重要度计算 | 第40页 |
| 4.2.3 网页块内容重要度计算 | 第40-41页 |
| 4.2.4 网页块词频重要度计算 | 第41-43页 |
| 4.2.5 网页块混合重要度计算 | 第43页 |
| 4.3 基于混合重要度的正文块识别 | 第43-45页 |
| 4.3.1 基本思想 | 第43-44页 |
| 4.3.2 正文块识别 | 第44-45页 |
| 4.3.3 正文语句合并 | 第45页 |
| 4.4 本章小结 | 第45-47页 |
| 第五章 信息抽取系统的实现与实验分析 | 第47-63页 |
| 5.1 基于Hadoop的抽取系统的设计 | 第47-51页 |
| 5.1.1 系统设计目标 | 第47页 |
| 5.1.2 系统工作原理 | 第47-48页 |
| 5.1.3 总体流程设计 | 第48-50页 |
| 5.1.4 系统模块设计 | 第50-51页 |
| 5.2 模块详细实现 | 第51-55页 |
| 5.2.1 并行网页分块算法实现 | 第51-53页 |
| 5.2.2 并行信息抽取算法实现 | 第53-55页 |
| 5.3 实验测试与分析 | 第55-62页 |
| 5.3.1 实验环境设置 | 第55-57页 |
| 5.3.2 数据源选取 | 第57页 |
| 5.3.3 实验阈值选取 | 第57-59页 |
| 5.3.4 系统准确性测试及分析 | 第59-61页 |
| 5.3.5 系统性能测试及分析 | 第61-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63-64页 |
| 6.2 展望 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第68-69页 |
| 致谢 | 第69页 |
