| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景和研究意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 研究现状 | 第13-15页 |
| 1.2.1 国外研究现状 | 第13-14页 |
| 1.2.2 国内研究现状 | 第14-15页 |
| 1.3 研究问题和研究内容 | 第15-16页 |
| 1.3.1 研究问题 | 第15页 |
| 1.3.2 研究内容 | 第15-16页 |
| 1.4 本文组织结构 | 第16-18页 |
| 第2章 相关工作 | 第18-31页 |
| 2.1 Web数据抽取概念及流程 | 第18-19页 |
| 2.2 DOM树 | 第19-20页 |
| 2.3 XPath | 第20-22页 |
| 2.4 数据抽取算法分类 | 第22-26页 |
| 2.4.1 基于自然语言处理方式的数据抽取技术 | 第22页 |
| 2.4.2 基于页面DOM结构的数据抽取技术 | 第22-23页 |
| 2.4.3 基于本体方式的数据抽取技术 | 第23-24页 |
| 2.4.4 基于页面视觉特征的数据抽取技术 | 第24-25页 |
| 2.4.5 基于统计理论的数据抽取技术 | 第25-26页 |
| 2.5 VIPS算法 | 第26-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第3章 基于视觉的网页正文抽取方法 | 第31-47页 |
| 3.1 正文抽取方法基本思想 | 第31-33页 |
| 3.2 视觉块分割 | 第33-36页 |
| 3.3 正文块判断规则 | 第36-42页 |
| 3.3.1 基于位置的正文块判断规则 | 第36-39页 |
| 3.3.2 基于文本链接比的正文块判断规则 | 第39-41页 |
| 3.3.3 基于页面图片的正文块判断规则 | 第41-42页 |
| 3.3.4 正文块抽取评价函数 | 第42页 |
| 3.4 正文信息提取 | 第42-43页 |
| 3.5 网页正文抽取算法 | 第43-46页 |
| 3.6 本章小结 | 第46-47页 |
| 第4章 自适应Web页面数据抽取方法 | 第47-62页 |
| 4.1 基本思想 | 第47-49页 |
| 4.2 URL相似度 | 第49-52页 |
| 4.3 目标数据搜索策略 | 第52-54页 |
| 4.4 目标数据搜索规则 | 第54-58页 |
| 4.4.1 基于关键字的目标数据搜索规则 | 第54-55页 |
| 4.4.2 基于HTML标签的目标数据搜索规则 | 第55-56页 |
| 4.4.3 基于上下文的目标数据搜索规则 | 第56-57页 |
| 4.4.4 基于字体的目标数据搜索规则 | 第57页 |
| 4.4.5 目标数据搜索评价函数 | 第57-58页 |
| 4.5 页面数据抽取算法 | 第58-61页 |
| 4.6 本章小结 | 第61-62页 |
| 第5章 实验结果与分析 | 第62-69页 |
| 5.1 实验环境与数据集 | 第62-63页 |
| 5.1.1 实验环境 | 第62页 |
| 5.1.2 实验数据集 | 第62-63页 |
| 5.2 实验评价标准 | 第63-64页 |
| 5.3 实验结果与分析 | 第64-68页 |
| 5.3.1 基于视觉的网页正文抽取方法实验结果与分析 | 第64-66页 |
| 5.3.2 自适应Web页面数据抽取方法实验结果与分析 | 第66-68页 |
| 5.4 本章小结 | 第68-69页 |
| 第6章 总结与展望 | 第69-71页 |
| 6.1 总结 | 第69-70页 |
| 6.2 展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 攻读学位期间发表的学术论文及参加科研情况 | 第75页 |