基于多特征挖掘的网页信息抽取方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外相关研究和综述 | 第9-10页 |
| 1.3 问题的总结与分析 | 第10-11页 |
| 1.4 本文主要工作 | 第11-12页 |
| 1.5 本文组织结构 | 第12-13页 |
| 第2章 网页信息抽取的相关基础知识 | 第13-21页 |
| 2.1 CSS DOM树 | 第13-15页 |
| 2.2 文本统计和视觉信息特征 | 第15-17页 |
| 2.2.1 文本统计特征 | 第15-16页 |
| 2.2.2 视觉信息特征 | 第16-17页 |
| 2.3 网络爬虫 | 第17页 |
| 2.4 分类算法 | 第17-19页 |
| 2.4.1 逻辑回归算法 | 第18页 |
| 2.4.2 GBDT算法 | 第18页 |
| 2.4.3 Xgboost算法 | 第18页 |
| 2.4.4 随机森林算法 | 第18-19页 |
| 2.4.5 深度神经网络 | 第19页 |
| 2.5 交叉验证 | 第19-20页 |
| 2.6 网页正文信息抽取的评价标准 | 第20页 |
| 2.7 本章小结 | 第20-21页 |
| 第3章 基于多特征挖掘的CSSDOM节点分类 | 第21-38页 |
| 3.1 引言 | 第21页 |
| 3.2 传统启发式信息抽取算法和特征 | 第21-24页 |
| 3.2.1 基于文本统计特征的算法 | 第21-23页 |
| 3.2.2 基于文本统计和结构特征的算法 | 第23-24页 |
| 3.3 基于多特征挖掘的特征提取方法 | 第24-31页 |
| 3.4 NCMF算法模型介绍 | 第31-34页 |
| 3.4.1 自动标注数据 | 第31-32页 |
| 3.4.2 NCMF算法节点分类流程 | 第32-34页 |
| 3.5 节点分类实验结果与分析 | 第34-37页 |
| 3.5.1 节点分类实验环境 | 第34-35页 |
| 3.5.2 节点分类实验数据 | 第35页 |
| 3.5.3 节点分类评价指标 | 第35页 |
| 3.5.4 节点分类对比算法 | 第35页 |
| 3.5.5 节点分类实验结果与分析 | 第35-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第4章 基于多特征挖掘的网页信息抽取 | 第38-48页 |
| 4.1 引言 | 第38页 |
| 4.2 CSS DOM节点选择算法 | 第38-40页 |
| 4.3 CEMF算法网页正文抽取流程 | 第40-41页 |
| 4.4 网页正文抽取实验结果与分析 | 第41-47页 |
| 4.4.1 网页正文抽取实验环境 | 第41页 |
| 4.4.2 网页正文抽取实验数据 | 第41页 |
| 4.4.3 网页正文抽取评价指标 | 第41-42页 |
| 4.4.4 网页正文抽取对比算法 | 第42页 |
| 4.4.5 网页正文抽取实验结果与分析 | 第42-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 基于多特征挖掘的信息抽取系统 | 第48-54页 |
| 5.1 引言 | 第48页 |
| 5.2 系统功能和环境 | 第48-49页 |
| 5.3 网页信息抽取系统设计 | 第49-52页 |
| 5.3.1 总体设计 | 第49-50页 |
| 5.3.2 详细设计 | 第50-52页 |
| 5.4 系统应用 | 第52-53页 |
| 5.5 本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60页 |
