基于汽车行业的Web信息抽取研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1. 绪论 | 第9-13页 |
| ·研究背景 | 第9-10页 |
| ·信息抽取和其他相关技术的关系 | 第10-12页 |
| ·信息抽取与信息检索的关系 | 第10-11页 |
| ·信息抽取与数据挖掘的关系 | 第11页 |
| ·信息抽取与自动文摘的关系 | 第11-12页 |
| ·本文的主要工作及论文结构 | 第12-13页 |
| 2. WebIE 系统综述 | 第13-19页 |
| ·WebIE 系统的处理对象 | 第13-14页 |
| ·抽取规则的学习方法 | 第14-15页 |
| ·WebIE 系统的设计原则 | 第15-16页 |
| ·WebIE 系统的两大关键问题 | 第16页 |
| ·WebIE 系统的五个典型抽取阶段 | 第16-18页 |
| ·NE 识别 | 第16-17页 |
| ·ER 抽取 | 第17页 |
| ·模板化场景 | 第17页 |
| ·指代消解 | 第17页 |
| ·模板合并 | 第17-18页 |
| ·WebIE 系统的评价指标 | 第18-19页 |
| 3. 基于解释学习的半结构化网页信息抽取 | 第19-36页 |
| ·基本概念 | 第19-20页 |
| ·一个实例 | 第20-21页 |
| ·提取规则和 JAVA 类的生成步骤 | 第21页 |
| ·样本文档分析与样本页描述接口 | 第21-26页 |
| ·提取规则生成的学习算法 | 第26-32页 |
| ·训练例子的生成 | 第26-27页 |
| ·学习算法 | 第27-32页 |
| ·生成包装器 | 第32-34页 |
| ·讨论 | 第34-35页 |
| ·小结 | 第35-36页 |
| 4. 基于归纳逻辑编程的自由式文本信息抽取 | 第36-52页 |
| ·归纳逻辑编程与自然语言处理 | 第36-39页 |
| ·SRV 算法简介 | 第39-40页 |
| ·搜索空间 | 第40-41页 |
| ·算法的规则表示 | 第41-45页 |
| ·规则表示方式 | 第42-43页 |
| ·特征谓词集构造 | 第43-45页 |
| ·规则学习算法 | 第45-49页 |
| ·预处理 | 第46页 |
| ·模式关系拆分 | 第46页 |
| ·规则自动生成 | 第46-49页 |
| ·一个例子 | 第49-51页 |
| ·讨论 | 第51页 |
| ·小结 | 第51-52页 |
| 5. 信息抽取系统设计 | 第52-64页 |
| ·信息抽取系统的工作流程 | 第52-53页 |
| ·系统的用户界面设计 | 第53-55页 |
| ·系统运行结果 | 第55页 |
| ·对比系统-基于归纳学习的 RAPIER 系统 | 第55-56页 |
| ·对比系统-零阶逻辑下的 WHISK 系统 | 第56-60页 |
| ·实验结果及讨论 | 第60-63页 |
| ·半结构化网页抽取实验结果 | 第60-61页 |
| ·自由式文本抽取实验结果 | 第61-62页 |
| ·实验结果分析 | 第62-63页 |
| ·小结 | 第63-64页 |
| 6. 总结 | 第64-66页 |
| ·研究工作总结 | 第64页 |
| ·未来工作展望 | 第64-66页 |
| 攻读硕士期间参与的科研项目 | 第66-67页 |
| 攻读硕士期间发表的论文 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-71页 |
