（毕业设计论文）大规模网页模块识别与信息提取系统设计与实现.docVIP

lPAGE i MACROBUTTON MTEditEquationSection2 SEQ MTEqn \r \h \* MERGEFORMAT SEQ MTSec \r 1 \h \* MERGEFORMAT SEQ MTChap \r 1 \h \* MERGEFORMAT 本科生毕业论文 题目：(中文) 大规模网页模块识别与信息提取 系统设计与实现 (英文) Design and Implementation of Large Scale Web Template Detection and Information Extraction System 姓 名： 学 号 院 系：计算机系 专 业：搜索引擎与互联网信息挖掘 指导教师： TIME \@ EEEE年O月A日 二〇一三年三月三十一日二○一三年三月十三日 摘要 本文在已有的基于Dom-Tree和启发式规则的网页信息提取算法的基础上，通过为所有符合W3C规范的Html标签分类，逐个分析各Html标签所包含的语义信息，细化规则设置，实现了一种自底向上的无信息遗漏的网页分块算法，并在此基础上，利用统计方法得