| 目录 | 第1-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 前言 | 第9-14页 |
| ·研究背景和意义 | 第9-10页 |
| ·研究现状 | 第10-12页 |
| ·链接分析 | 第10-11页 |
| ·信息抽取与网络信息抽取 | 第11-12页 |
| ·本文工作 | 第12-13页 |
| ·研究工作 | 第12-13页 |
| ·研究成果 | 第13页 |
| ·论文的组织结构 | 第13-14页 |
| 第二章 背景知识 | 第14-22页 |
| ·HTML与DOM模型 | 第14-15页 |
| ·HTML | 第14页 |
| ·DOM | 第14-15页 |
| ·网络爬虫 | 第15页 |
| ·信息抽取 | 第15-18页 |
| ·背景 | 第15-16页 |
| ·网页信息抽取 | 第16-17页 |
| ·页面分割 | 第17-18页 |
| ·链接分析 | 第18-22页 |
| ·PageRank算法 | 第18-19页 |
| ·HITS算法 | 第19-20页 |
| ·两类算法的优缺点 | 第20-22页 |
| 第三章 TimeWeightedHits算法——一种改进的HITS算法 | 第22-39页 |
| ·现有HITS算法的不足 | 第22页 |
| ·TimeWeightedHits算法的基本思想 | 第22-23页 |
| ·TimeWeightedHits算法的链接分析模型 | 第23-24页 |
| ·输入子图G的生成 | 第24-27页 |
| ·TimeWeightedHits算法的实现 | 第27-31页 |
| ·基本框架 | 第27-28页 |
| ·任务模块 | 第28-31页 |
| ·下载及分析模块 | 第31页 |
| ·实验及验证 | 第31-39页 |
| ·模拟数据集分析 | 第32-33页 |
| ·真实数据集实验 | 第33-39页 |
| 第四章 基于位置信息的网页信息抽取方法 | 第39-58页 |
| ·基本流程 | 第39-41页 |
| ·排版树模型 | 第41-43页 |
| ·排版树的构造 | 第43-46页 |
| ·排版过程 | 第43-45页 |
| ·对于表格的处理 | 第45-46页 |
| ·人工定义并提取重要区域 | 第46-48页 |
| ·使用基于支持向量机的通用模板进行信息抽取 | 第48-51页 |
| ·支持向量机简介 | 第49-50页 |
| ·特征选择 | 第50页 |
| ·训练过程及测试过程 | 第50-51页 |
| ·实验及验证 | 第51-58页 |
| ·评价标准 | 第52页 |
| ·基于人工模板的POSPE方法的实验 | 第52-55页 |
| ·基于支持向量机的POSPE方法的实验 | 第55-58页 |
| 第五章 总结与展望 | 第58-59页 |
| ·总结 | 第58页 |
| ·展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 硕士研究生期间论文 | 第63-64页 |
| 致谢 | 第64-65页 |