基于包装器模型的信息抽取算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-12页 |
| ·信息抽取概述 | 第8-10页 |
| ·什么是信息抽取 | 第8页 |
| ·信息抽取系统的评价 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·信息抽取的研究意义 | 第10页 |
| ·信息抽取系统的两大设计方法 | 第10-11页 |
| ·本文的主要工作 | 第11-12页 |
| ·本文的研究内容 | 第11页 |
| ·本文的组织 | 第11-12页 |
| 第二章 Web信息抽取技术分类对比 | 第12-18页 |
| ·按照抽取技术路线的分类 | 第12-15页 |
| ·基于包装器开发语言的抽取技术 | 第12页 |
| ·基于HTML 树结构的抽取技术 | 第12-13页 |
| ·基于自然语言处理的抽取技术 | 第13页 |
| ·基于包装器归纳的抽取技术 | 第13-14页 |
| ·基于模型的抽取技术 | 第14-15页 |
| ·基于本体的抽取技术 | 第15页 |
| ·按照抽取自动化程度的分类 | 第15-18页 |
| ·手工式Web 信息抽取 | 第15-16页 |
| ·有监督的Web 信息抽取 | 第16页 |
| ·半监督的Web 信息抽取 | 第16页 |
| ·无监督的Web 信息抽取 | 第16-18页 |
| 第三章 基于视觉的DOM 树去噪方法研究 | 第18-28页 |
| ·相关概念 | 第18-20页 |
| ·数据类型及其实例 | 第18-19页 |
| ·页面创建模型 | 第19页 |
| ·包装器生成 | 第19页 |
| ·Union-free 正则表达式 | 第19-20页 |
| ·HTML 解析器 | 第20-22页 |
| ·清洗页面文档 | 第20-21页 |
| ·页面解析 | 第21-22页 |
| ·页面去噪算法设计 | 第22-24页 |
| ·基于DOM 的页面噪声去除方法 | 第22页 |
| ·基于信息块的去噪方法 | 第22-23页 |
| ·基于视觉的DOM 树去噪方法 | 第23-24页 |
| ·相关工作 | 第24页 |
| ·实验 | 第24-28页 |
| ·实验设置 | 第25页 |
| ·结果分析 | 第25-28页 |
| 第四章 Web 页面模式发现与包装器生成 | 第28-41页 |
| ·页面词法分析 | 第28-29页 |
| ·页面树匹配算法 | 第29-40页 |
| ·页面树匹配算法介绍 | 第31-33页 |
| ·页面树匹配算法实现过程 | 第33-39页 |
| ·抽象有序树 | 第39-40页 |
| ·包装器生成 | 第40页 |
| ·相关工作 | 第40-41页 |
| 第五章 结论与展望 | 第41-42页 |
| ·总结 | 第41页 |
| ·下一步工作 | 第41-42页 |
| 参考文献 | 第42-45页 |
| 附录A 模板生成系统界面 | 第45-46页 |
| 附录B 模板生成系统转化结果 | 第46-47页 |
| 致谢 | 第47-48页 |
| 作者在读期间的研究成果 | 第48页 |
