面向PDF文档的论文元数据提取方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·本文的科学意义和应用前景 | 第10-12页 |
| ·信息提取 | 第10-11页 |
| ·论文元数据提取 | 第11-12页 |
| ·本文的国内外研究现状分析 | 第12-14页 |
| ·信息提取历史和研究现状 | 第12-13页 |
| ·元数据提取的研究现状 | 第13-14页 |
| ·本文的主要研究内容 | 第14-15页 |
| ·本文的组织结构 | 第15-16页 |
| 第2章 相关理论知识描述 | 第16-26页 |
| ·机器学习 | 第16-17页 |
| ·统计机器学习基本原理 | 第17页 |
| ·统计机器学习定义 | 第17页 |
| ·基于统计机器学习的信息提取 | 第17页 |
| ·统计机器学习基本问题 | 第17-18页 |
| ·建立模型 | 第17-18页 |
| ·特征选择 | 第18页 |
| ·三种统计机器学习方法的基本原理 | 第18-25页 |
| ·HMM 基本原理 | 第19-21页 |
| ·SVM 基本原理 | 第21-23页 |
| ·CRF 基本原理 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 面向 PDF 文档的论文元数据混合提取 | 第26-38页 |
| ·元数据概述 | 第26-27页 |
| ·论文元数据的作用 | 第26页 |
| ·论文首部数据的定义 | 第26-27页 |
| ·论文元数据混合提取框架 | 第27-28页 |
| ·PDF 格式的论文预处理 | 第28-30页 |
| ·基于最大值规则的混合提取决策 | 第30-36页 |
| ·基于 HMM 的论文元数据提取 | 第30-32页 |
| ·基于 SVM 的论文元数据提取 | 第32-34页 |
| ·基于 CRF 的论文元数据提取 | 第34-36页 |
| ·混合提取模型的生成策略 | 第36页 |
| ·混合提取模型的更新策略 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 基于度量级融合的论文元数据提取 | 第38-44页 |
| ·基于度量级融合的论文元数据提取框架 | 第38-39页 |
| ·三种统计学习模型的度量级融合 | 第39-43页 |
| ·后验概率建模 | 第39-41页 |
| ·和规则的推导 | 第41-42页 |
| ·基于和规则的融合决策 | 第42-43页 |
| ·三种提取模型的定期更新 | 第43页 |
| ·本章小结 | 第43-44页 |
| 第5章 论文元数据提取方法的验证与分析 | 第44-54页 |
| ·实验数据和运行环境 | 第44-45页 |
| ·实验数据源 | 第44页 |
| ·运行环境 | 第44-45页 |
| ·评价指标 | 第45页 |
| ·论文头部预处理 | 第45-47页 |
| ·论文元数据提取结果 | 第47-48页 |
| ·论文元数据提取方法的性能分析 | 第48-53页 |
| ·MHEAPP 的性能分析 | 第48-50页 |
| ·MEAPMF 的性能分析 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第60-61页 |
| 致谢 | 第61-62页 |
| 作者简介 | 第62页 |
