基于视觉块识别的网页元数据提取方法
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 缩略语清单 | 第10-11页 |
| 第1章 绪论 | 第11-23页 |
| 1.1 课题研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-21页 |
| 1.2.1 网络爬虫技术 | 第12-13页 |
| 1.2.2 网页信息提取技术 | 第13-18页 |
| 1.2.3 分类模型 | 第18-21页 |
| 1.3 本文主要研究工作 | 第21页 |
| 1.4 论文组织结构 | 第21-23页 |
| 第2章 基于视觉特征及DOM树的页面分块 | 第23-35页 |
| 2.1 基于视觉特征的页面分块算法概述 | 第23-26页 |
| 2.2 VIPS算法分块过程 | 第26-30页 |
| 2.2.1 视觉块提取 | 第26-28页 |
| 2.2.2 分隔条检测 | 第28-29页 |
| 2.2.3 内容结构重构 | 第29-30页 |
| 2.3 VIPS算法改进 | 第30-32页 |
| 2.4 算法改进前后页而分块结果对比 | 第32-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第3章 分类模型设计与有效块识别 | 第35-48页 |
| 3.1 分类模型的选择 | 第35-36页 |
| 3.2 核函数选择 | 第36-37页 |
| 3.3 特征选择 | 第37-40页 |
| 3.3.1 视觉表现特征 | 第38页 |
| 3.3.2 统计特征 | 第38-39页 |
| 3.3.3 标题现频特征 | 第39-40页 |
| 3.4 特征值规范 | 第40-43页 |
| 3.4.1 根据自身特征进行规范 | 第41-42页 |
| 3.4.2 极值标准化 | 第42-43页 |
| 3.5 训练分类模型 | 第43-47页 |
| 3.5.1 参数选择与寻优 | 第43-46页 |
| 3.5.2 模型训练 | 第46-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第4章 基于路径表达式的网页元数据提取 | 第48-55页 |
| 4.1 XPath表达式 | 第48-49页 |
| 4.2 XPath求值 | 第49页 |
| 4.3 路径表达式提取网页元数据 | 第49-54页 |
| 4.3.1 优酷视频路径表达式 | 第50-51页 |
| 4.3.2 爱奇艺视频路径表达式 | 第51-52页 |
| 4.3.3 乐视视频路径表达式 | 第52-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第5章 系统实现与实验分析 | 第55-69页 |
| 5.1 系统实现 | 第55-58页 |
| 5.1.1 实现环境 | 第55页 |
| 5.1.2 实验数据 | 第55页 |
| 5.1.3 系统设计 | 第55-57页 |
| 5.1.4 系统可视化 | 第57-58页 |
| 5.2 页面分块的实现 | 第58-64页 |
| 5.2.1 优酷视频网页分块 | 第58-60页 |
| 5.2.2 乐视视频网页分块 | 第60-62页 |
| 5.2.3 爱奇艺视频网页分块 | 第62-64页 |
| 5.3 有效块识别 | 第64-66页 |
| 5.3.1 优酷视频网页有效块识别 | 第64-65页 |
| 5.3.2 乐视视频网页有效块识别 | 第65页 |
| 5.3.3 爱奇艺视频网页有效块识别 | 第65-66页 |
| 5.4 提取网页元数据 | 第66-67页 |
| 5.5 实验评估 | 第67-68页 |
| 5.6 本章小结 | 第68-69页 |
| 第6章 总结与展望 | 第69-71页 |
| 6.1 论文总结 | 第69-70页 |
| 6.2 工作展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-74页 |
