信息集成系統(tǒng)中面向領域的Web信息抽取研究.pdf_第1頁
已閱讀1頁，還剩64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、互聯(lián)網(wǎng)上信息爆炸，如何準確、快速地檢索出所需的信息以及更有效的利用這些信息，成為亟待解決的問題。在信息集成系統(tǒng)IIS（Information Integration System）中，如何整合各種異質的Web數(shù)據(jù)源并對上層應用提供統(tǒng)一的接口，為系統(tǒng)提供了最廣泛、最龐大和實時的數(shù)據(jù)，是Web信息抽取系統(tǒng)必須解決的問題。 本文研究的重點包括Web信息抽取規(guī)則和抽取系統(tǒng)框架兩部分，提出并實現(xiàn)了面向領域的信息抽取框架，對Web頁面自適應

2、地采用DOM和NLP的方法進行抽取。Wrapper的核心是抽取規(guī)則，即源映射目標模式的描述。 本文提出的基于DOM映射的信息抽取方法，采用標準的XML技術操縱Web頁面，通過歸納學習獲取抽取規(guī)則，執(zhí)行規(guī)則解釋引擎獲取抽取結果。對于非數(shù)據(jù)導向型的Web頁面，引入NLP領域相關理論，結合Web頁面標簽的特點，將數(shù)據(jù)源轉化為分詞/分類處理，采用匹配觸發(fā)的模式，在觸發(fā)事件中計算語義距離來確定所需抽取的信息項?；贜LP的抽取方法彌補DO

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(lián)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(wǎng)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(xiàn)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(lián)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