基于TABLE布局和隐马尔可夫模型的Web自由文本信息抽取
| 摘要 | 第1-4页 |
| Abstract | 第4-10页 |
| 第1章 绪论 | 第10-18页 |
| ·课题背景 | 第10-12页 |
| ·信息抽取的概念 | 第12-13页 |
| ·信息抽取的历史 | 第13-16页 |
| ·本文研究目标与内容 | 第16-17页 |
| ·本章小节 | 第17-18页 |
| 第2章 理论基础和相关技术 | 第18-27页 |
| ·信息抽取 | 第18-20页 |
| ·信息抽取与信息获取的区别 | 第18-19页 |
| ·信息抽取的主要任务 | 第19-20页 |
| ·隐马尔可夫模型 | 第20-26页 |
| ·隐马尔可夫模型的由来 | 第20页 |
| ·Markov过程和Markov链 | 第20-22页 |
| ·HMM的基本概念 | 第22页 |
| ·HMM的基本算法 | 第22-23页 |
| ·前向-后向算法 | 第23-24页 |
| ·Viterbi算法 | 第24页 |
| ·Baum-Welch算法 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 系统组成与设计 | 第27-34页 |
| ·设计目标 | 第27页 |
| ·设计思想 | 第27-28页 |
| ·系统架构 | 第28-32页 |
| ·主题网页库 | 第29-31页 |
| ·网页正文提取器 | 第31-32页 |
| ·网页正文自由文本识别器 | 第32页 |
| ·信息抽取器 | 第32页 |
| ·信息存储系统 | 第32页 |
| ·本章小节 | 第32-34页 |
| 第4章 网页的自由文本提取 | 第34-47页 |
| ·网页正文的界定 | 第34页 |
| ·网页冗余信息与网页模版 | 第34-36页 |
| ·网页冗余信息的负面影响 | 第36-42页 |
| ·冗余信息违反三个原则 | 第37-38页 |
| ·对搜索相关度的影响 | 第38-40页 |
| ·对于链接分析的影响 | 第40-41页 |
| ·对主题搜索的影响 | 第41页 |
| ·对信息抽取的影响 | 第41-42页 |
| ·目前的模版检测与去除研究 | 第42-46页 |
| ·基于Pagelet的检测算法 | 第42-43页 |
| ·基于树的编辑距离的模版检测 | 第43-46页 |
| ·SST算法 | 第46页 |
| ·本章小节 | 第46-47页 |
| 第5章 基于TABLE布局的模版检测与去除 | 第47-62页 |
| ·基于TABLE布局的分块 | 第47-52页 |
| ·TABLE相似度算法 | 第52-54页 |
| ·备选模版节点去重 | 第54-55页 |
| ·模版节点聚类处理 | 第55页 |
| ·模版去除与正文提取 | 第55-56页 |
| ·实验结果与评估 | 第56-58页 |
| ·基于TABLE布局的RTDM改进算法 | 第58-61页 |
| ·本章小节 | 第61-62页 |
| 第6章 自由文本与半结构化文本识别 | 第62-68页 |
| ·自由文本，结构化文本和半结构化文本 | 第62-63页 |
| ·自由文本 | 第62页 |
| ·结构化文本 | 第62页 |
| ·半结构化文本 | 第62-63页 |
| ·自由文本相关度算法 | 第63-68页 |
| ·算法概述 | 第63页 |
| ·正文分段 | 第63-64页 |
| ·相关度计算 | 第64-65页 |
| ·算法优势与不足 | 第65-66页 |
| ·实验结果与评估 | 第66-67页 |
| ·本章小节 | 第67-68页 |
| 第7章 Web自由文本的信息抽取 | 第68-83页 |
| ·信息抽取的机器学习方法 | 第68页 |
| ·统计机器学习的建模 | 第68-73页 |
| ·统计机器学习的特征选择 | 第69页 |
| ·目前的几种信息抽取统计学习方法 | 第69-73页 |
| ·分词处理与词性标注 | 第73-74页 |
| ·基于POS的HMM模型训练 | 第74-78页 |
| ·实验结果及评估 | 第78-81页 |
| ·应用集成 | 第81-82页 |
| ·本章小节 | 第82-83页 |
| 第8章 总结和展望 | 第83-85页 |
| 参考文献 | 第85-88页 |
| 致谢 | 第88页 |
