面向机构官网的数据抽取研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题背景与研究意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-12页 |
| 1.3.1 网页分类 | 第10-11页 |
| 1.3.2 网页信息抽取 | 第11-12页 |
| 1.4 主要研究内容 | 第12-14页 |
| 1.5 论文组织结构 | 第14-16页 |
| 第2章 相关理论基础 | 第16-21页 |
| 2.1 网页分类方法 | 第16-17页 |
| 2.1.1 特征选择 | 第16-17页 |
| 2.1.2 分类方法 | 第17页 |
| 2.2 网页信息抽取方法 | 第17-19页 |
| 2.2.1 基于模式的网页信息抽取 | 第18页 |
| 2.2.2 基于领域本体的网页信息抽取 | 第18-19页 |
| 2.2.3 基于机器学习的网页信息抽取 | 第19页 |
| 2.3 评价指标 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 结合内容与结构特征的网页分类 | 第21-40页 |
| 3.1 数据集构建 | 第21-24页 |
| 3.1.1 大规模数据采集及预处理 | 第21-22页 |
| 3.1.2 数据集构建与分析 | 第22-24页 |
| 3.2 网页特征分析 | 第24-34页 |
| 3.2.1 主体信息区块定位 | 第25-28页 |
| 3.2.2 网页结构特征 | 第28-30页 |
| 3.2.3 网页内容特征 | 第30-34页 |
| 3.3 网页分类模型构建 | 第34-38页 |
| 3.3.1 人工神经网络 | 第35-36页 |
| 3.3.2 决策树 | 第36-37页 |
| 3.3.3 支持向量机 | 第37-38页 |
| 3.4 本章小结 | 第38-40页 |
| 第4章 面向类别的网页信息抽取 | 第40-48页 |
| 4.1 信息抽取数据集构建 | 第40-41页 |
| 4.2 基于触发规则的信息抽取 | 第41-44页 |
| 4.2.1 数据分析 | 第41-42页 |
| 4.2.2 信息抽取触发词库构建 | 第42页 |
| 4.2.3 文本词性标注 | 第42-43页 |
| 4.2.4 信息抽取规则库构建 | 第43页 |
| 4.2.5 算法描述 | 第43-44页 |
| 4.3 基于LSTM的信息抽取 | 第44-47页 |
| 4.3.1 数据分析 | 第44页 |
| 4.3.2 文本处理及标注 | 第44-45页 |
| 4.3.3 LSTM模型 | 第45-46页 |
| 4.3.4 抽取算法描述 | 第46-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第5章 实验结果分析 | 第48-56页 |
| 5.1 网页分类实验结果 | 第48-52页 |
| 5.1.1 特征提取结果 | 第48-49页 |
| 5.1.2 模型分类结果 | 第49-50页 |
| 5.1.3 模型参数调优 | 第50-51页 |
| 5.1.4 特征选择实验结果 | 第51-52页 |
| 5.2 网页抽取实验结果 | 第52-55页 |
| 5.2.1 基于触发规则的信息抽取实验结果 | 第52-54页 |
| 5.2.2 基于LSTM的信息抽取实验结果 | 第54-55页 |
| 5.3 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 攻读学位期间发表的学术论文 | 第61-63页 |
| 致谢 | 第63-64页 |
