| 第一章 引言 | 第1-12页 |
| ·研究背景 | 第8-9页 |
| ·半结构化数据 | 第9页 |
| ·Web信息抽取和包装器 | 第9-10页 |
| ·研究内容与本文的组织 | 第10-12页 |
| ·本文的研究内容 | 第10页 |
| ·本文的组织 | 第10-12页 |
| 第二章 关于包装器生成问题的讨论 | 第12-20页 |
| ·本文研究的对象 | 第12-13页 |
| ·针对HTML页面的包装器生成研究的现实意义 | 第12-13页 |
| ·数据密集型页面 | 第13页 |
| ·问题的模型和形式化描述 | 第13-16页 |
| ·数据类型及其实例 | 第13-14页 |
| ·页面创建模型 | 第14-15页 |
| ·包装器生成和数据抽取的形式化定义 | 第15页 |
| ·Union-free正则表达式 | 第15-16页 |
| ·包装器生成技术的研究现状 | 第16-18页 |
| ·本文研究内容的组成与结构 | 第18-19页 |
| ·本文研究的范围 | 第19-20页 |
| 第三章 基于DOM的HTML页面噪声去除方法的研究 | 第20-37页 |
| ·研究背景 | 第20-21页 |
| ·HTML文档清理 | 第21-23页 |
| ·HTML与XHTML比较 | 第22页 |
| ·HTML文档清理与转换工具 | 第22-23页 |
| ·文档对象模型 | 第23-24页 |
| ·去噪算法设计 | 第24-32页 |
| ·算法基础 | 第24-25页 |
| ·噪声粒度 | 第25-26页 |
| ·DOM树过滤 | 第26-27页 |
| ·DOM树匹配算法 | 第27-30页 |
| ·噪声子树路径的记录与使用 | 第30-32页 |
| ·随机广告噪声的去除 | 第32页 |
| ·相关工作 | 第32-33页 |
| ·实验 | 第33-36页 |
| ·实验设置 | 第34页 |
| ·结果分析 | 第34-36页 |
| ·小结 | 第36-37页 |
| 第四章 Web页面模式发现与包装器生成 | 第37-55页 |
| ·引言 | 第37-38页 |
| ·后缀树与后缀树构造算法 | 第38-41页 |
| ·后缀树 | 第38-40页 |
| ·后缀树构造算法 | 第40-41页 |
| ·相连重复子串的发现 | 第41-46页 |
| ·相关概念及定理 | 第41-44页 |
| ·算法的辅助函数 | 第44-45页 |
| ·相连重复子串发现算法 | 第45-46页 |
| ·页面嵌套模式发现 | 第46-51页 |
| ·页面词法分析 | 第46-47页 |
| ·符号序列中重复模式的发现 | 第47-48页 |
| ·重复模式迭代发现过程 | 第48-50页 |
| ·重复模式链表与嵌套模式表示 | 第50-51页 |
| ·时间复杂度分析 | 第51页 |
| ·页面选择模式发现与包装器生成 | 第51-53页 |
| ·页面树匹配算法 | 第51-53页 |
| ·包装器的生成 | 第53页 |
| ·相关工作 | 第53-54页 |
| ·小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| ·本文工作总结 | 第55页 |
| ·工作展望 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 摘要 | 第62-65页 |
| Abstract | 第65-69页 |
| 致谢 | 第69-70页 |
| 导师及作者简介 | 第70页 |