| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 图表目录 | 第10-12页 |
| 第一章 引言 | 第12-17页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 Deep Web 研究现状 | 第13-14页 |
| 1.3 困难与挑战 | 第14-15页 |
| 1.4 研究内容 | 第15-16页 |
| 1.5 论文结构与安排 | 第16-17页 |
| 第二章 Deep Web 数据获取技术概述 | 第17-26页 |
| 2.1 数据集成框架概述 | 第17-18页 |
| 2.2 Deep Web 数据提取研究概述 | 第18-19页 |
| 2.3 信息抽取方法与典型系统介绍 | 第19-22页 |
| 2.4 Web 信息抽取主要相关技术 | 第22-24页 |
| 2.4.1 DOM 树模型 | 第22-23页 |
| 2.4.2 VIPS 算法 | 第23-24页 |
| 2.5 Web 信息抽取系统的评价标准 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章 Deep Web 数据提取方法 | 第26-42页 |
| 3.1 难点分析 | 第26-27页 |
| 3.2 问题定义 | 第27-29页 |
| 3.2.1 Web 数据库模型 | 第27页 |
| 3.2.2 相关定义 | 第27-28页 |
| 3.2.3 接口属性分类 | 第28-29页 |
| 3.3 多属性接口数据提取 | 第29-35页 |
| 3.3.1 数据空间树模型构建 | 第29-31页 |
| 3.3.2 空间树优化剪枝 | 第31-32页 |
| 3.3.3 Heuristic-DFS 算法描述 | 第32-33页 |
| 3.3.4 查询代价定义 | 第33-34页 |
| 3.3.5 树模型代价分析 | 第34-35页 |
| 3.4 文本域关键词选择策略 | 第35-37页 |
| 3.4.1 符号定义 | 第35-36页 |
| 3.4.2 关键词选择算法 | 第36-37页 |
| 3.5 实验结果及分析 | 第37-41页 |
| 3.5.1 实验设置 | 第37-38页 |
| 3.5.2 实验分析 | 第38-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第四章 结果页数据记录抽取 | 第42-61页 |
| 4.1 难点分析 | 第42页 |
| 4.2 相关定义 | 第42-43页 |
| 4.3 页面视觉信息 | 第43-47页 |
| 4.3.1 Web 页面布局 | 第43-44页 |
| 4.3.2 Deep Web 页面视觉特征 | 第44-46页 |
| 4.3.3 辅助非视觉信息 | 第46-47页 |
| 4.4 列表数据区域挖掘 | 第47-50页 |
| 4.4.1 主数据区域特征 | 第47-48页 |
| 4.4.2 基于 DOM 树遍历的 CMDR 算法 | 第48-49页 |
| 4.4.3 特征量化线性加权定位算法 | 第49-50页 |
| 4.5 数据记录抽取 | 第50-56页 |
| 4.5.1 DOM 树启发式规则 | 第50-52页 |
| 4.5.2 叶子节点块聚类重组合 | 第52-55页 |
| 4.5.3 数据项值清洗 | 第55-56页 |
| 4.6 基于 DOM 标签路径构建包装器 | 第56-57页 |
| 4.7 实验数据集及结果分析 | 第57-60页 |
| 4.7.1 实验数据集 | 第57-58页 |
| 4.7.2 实验对比 | 第58页 |
| 4.7.3 实验结果分析 | 第58-60页 |
| 4.8 本章小结 | 第60-61页 |
| 第五章 原型系统设计 | 第61-67页 |
| 5.1 系统基本架构与流程 | 第61-62页 |
| 5.2 核心模块详细设计 | 第62-66页 |
| 5.2.1 数据提取模块 | 第62-64页 |
| 5.2.2 数据区域定位模块 | 第64-65页 |
| 5.2.3 数据记录抽取模块 | 第65-66页 |
| 5.3 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 本文总结 | 第67页 |
| 6.2 工作展望 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 攻读学位期间公开发表的论文及参与科研项目 | 第75-76页 |
| 致谢 | 第76-77页 |