Web页面中结构化数据抽取的实现与应用
| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-12页 |
| ·Web 信息抽取技术的发展背景 | 第7页 |
| ·Web 信息抽取技术的难点 | 第7-8页 |
| ·Web 信息抽取技术国内外研究情况 | 第8-11页 |
| ·基于本体的信息抽取 | 第9页 |
| ·基于位置的信息抽取 | 第9-10页 |
| ·基于自然语言处理方式的信息抽取 | 第10页 |
| ·基于包装器归纳方式的信息抽取 | 第10-11页 |
| ·基于Web 查询的信息抽取 | 第11页 |
| ·论文工作说明 | 第11-12页 |
| 第二章 相同模板页面的模板推断和结构化数据抽取 | 第12-44页 |
| ·介绍 | 第12-14页 |
| ·问题的描述与定义 | 第14-20页 |
| ·模型与问题的公式化定义 | 第14-15页 |
| ·结构化数据的形式定义 | 第15-17页 |
| ·网页生成模型和模板 | 第17-19页 |
| ·综述与问题 | 第19-20页 |
| ·EXALG 算法思想及分析 | 第20-29页 |
| ·EXALG 算法思想简介 | 第20-22页 |
| ·等价类和高频等价类（LFEQs）的定义 | 第22-23页 |
| ·有效等价类的判定 | 第23-24页 |
| ·token 职能的区分 | 第24-26页 |
| ·模板T 的生成 | 第26-28页 |
| ·EXALG 算法思想的总结 | 第28-29页 |
| ·仿真算法EXALG_tju 的提出及其实现描述 | 第29-41页 |
| ·对token 重新定义 | 第29-32页 |
| ·通过格式区分token 职能的实现 | 第32-33页 |
| ·等价类的查找 | 第33-34页 |
| ·有效等价类的获取 | 第34-39页 |
| ·模板的创建 | 第39-40页 |
| ·包装器的生成与结构化数据的抽取 | 第40-41页 |
| ·EXALG_tju 算法的实验结果与分析 | 第41-42页 |
| ·EXALG_tju 算法的深入思考 | 第42-44页 |
| ·算法对输入网页模板个数的限制 | 第42-43页 |
| ·算法在抽取过程中对网页结构变化的抗干扰能力 | 第43-44页 |
| 第三章 网页中单一领域半结构化文本的信息抽取 | 第44-50页 |
| ·网页中的半结构化文本 | 第44-45页 |
| ·半结构化文本的信息抽取 | 第45-47页 |
| ·半结构化文本的结构特征 | 第45-46页 |
| ·分割符的特征 | 第46页 |
| ·字段名和信息内容的特征 | 第46-47页 |
| ·面向单一领域半结构化文本的信息提取 | 第47页 |
| ·半结构文本中字段名的模糊匹配 | 第47-49页 |
| ·半结构化文本抽取的实验结果与分析 | 第49-50页 |
| 第四章 Web 信息抽取技术在实际项目中的应用 | 第50-53页 |
| ·面向创新技术信息领域的垂直搜索引擎系统 | 第50-51页 |
| ·Web 信息抽取技术在引擎系统中的使用 | 第51-53页 |
| 第五章 结论与展望 | 第53-55页 |
| 参考文献 | 第55-57页 |
| 发表论文和科研情况说明 | 第57-58页 |
| 致谢 | 第58页 |
