多證據結合的網頁信息抽取.pdf_第1頁
已閱讀1頁，還剩63頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、伴隨著Internet的高速發(fā)展，互聯網信息爆炸性增長，并且不斷在更新，現在已經是世界上最大的信息來源?；ヂ摼W絕大部分信息存儲于半結構化的HTML頁面中，如何從半結構化頁而提取信息并通過結構化形式提供給人們是一個迫切需要解決的問題，同時對多源Web信息進行聚合也是一個研究熱點，所以研究網頁信息抽取技術越發(fā)顯得重要。
　　 現今網頁往往中存在著大量噪音信息，如導航鏈接、廣告鏈接、版權信息以及相關主題內容推薦，傳統的基于HTML結構

2、的網頁信息抽取方法對于這些噪聲信息的處理能力顯得捉襟見肘。網頁是經瀏覽器解釋和渲染后呈現給用戶查看的，包含有豐富的視覺信息，如樣式、位置、顯示等，利用這些視覺特征可以過濾掉網頁中的噪聲，提高信息抽取的效率和準確率。因此，本文將研究基于HTML結構和視覺特征的方法，以對網頁進行信息抽取。本文的工作和創(chuàng)新點如下:
　　 提出了一種結合DOM樹和視覺特征的多證據網頁信息抽取方法DVF(AWeb Information Extracti

3、on Method Based on DOM and Visual Features)。DVF方法首先利用視覺特征和DOM樹結構特點搜索候選目標數據區(qū)域，然后依據所占頁面篇幅大小這一視覺特性識別目標數據區(qū)域，最后抽取數據記錄。實驗對10個網站進行抽取，結果有8個網站抽取的召回率和準確率均為100％。
　　 本文還實現了一個基于LBS(Location Based Service)的餐飲信息聚合服務系統。系統從互聯網多個生活資訊服

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論