資源描述：
《Web信息抽取及知識(shí)表示系統(tǒng)的研究與實(shí)現(xiàn)①.doc》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫(kù)。
1、Web信息抽取及知識(shí)表示系統(tǒng)的研究與實(shí)現(xiàn)①譚守標(biāo)1,徐超1,江元1,寧仁霞1,21(安徽大學(xué)電子科學(xué)與技術(shù)學(xué)院，合肥230039)2(黃山學(xué)院電子信息工程系，黃山245021)摘 要：研究了從數(shù)據(jù)密集型Web頁(yè)面中自動(dòng)提取結(jié)構(gòu)化數(shù)據(jù)并形成知識(shí)表示系統(tǒng)的問(wèn)題?；谥R(shí)數(shù)據(jù)庫(kù)實(shí)現(xiàn)動(dòng)態(tài)頁(yè)面獲取，進(jìn)行預(yù)處理后轉(zhuǎn)換為XML文檔，采用基于PAT-array的模式發(fā)現(xiàn)算法自動(dòng)發(fā)現(xiàn)重復(fù)模式，結(jié)合基于本體的關(guān)鍵詞庫(kù)自動(dòng)識(shí)別頁(yè)面數(shù)據(jù)顯示結(jié)構(gòu)模型，利用XML的對(duì)象-關(guān)系映射技術(shù)將數(shù)據(jù)存入知識(shí)數(shù)據(jù)庫(kù)，由此實(shí)現(xiàn)Web數(shù)據(jù)自動(dòng)抽取。同時(shí)，利用知識(shí)數(shù)據(jù)庫(kù)已有知識(shí)從互聯(lián)網(wǎng)抽取新知識(shí)，達(dá)到知識(shí)數(shù)據(jù)庫(kù)
2、的自擴(kuò)展。以交通信息自動(dòng)抽取及混合交通出行方案生成與表示系統(tǒng)進(jìn)行的實(shí)驗(yàn)表明該系統(tǒng)具有高抽取準(zhǔn)確率和良好的適應(yīng)性。關(guān)鍵詞：Web信息提??；知識(shí)表示；數(shù)據(jù)密集型Web頁(yè)面；基于本體的關(guān)鍵詞庫(kù)ResearchandRealizationofaWebInformationExtractionandKnowledgePresentationSystemTANShou-Biao1,XUChao1,JIANGYuan1,NINGRen-Xia1,21(SchoolofElectronicScienceandTechnology,AnhuiUniversity,Hefei23003
3、9,China)2(ElectronicInformationEngineering,HuangshanUniversity,Huangshan245021,China)Abstract：TheWebInformationExtractionandKnowledgePresentationSystemisproposedtoextractinformationfromdataintensivewebpages.Itdownloadsdynamicwebpages,basedonaknowledgedatabase,changesthemtoXMLdocumentsa
4、fterpreprocessing,findsrepeatedpatternsfromthem,byusingaPAT-arraybasedPatternDiscoveryAlgorithm,recognizestheirdatadisplaystructuremodels,automaticallybasedontherepeatedpatternsandanontology-basedkeywordlibrary,andthenextractsthedataandstoresthemintheknowledgedatabasewiththeobject-rela
5、tionalmappingtechnologyofXML.Throughthesesteps,webdataisextractedautomatically,andtheknowledgedatabaseisalsoexpandedautomatically.Experimentsonthetrafficinformationauto-extractionandmixedtraffictravelschemesauto-creationsystemshowedthatthesystemhashighprecisionandisadaptivetowebpagesin
6、differentdomainswithdifferentstructures.Keywords：webinformationextraction;knowledgepresentation;dataintensivewebpages;ontology-basedkeywordlibrary 隨著Internet的迅猛發(fā)展，Web已經(jīng)成為全球傳播與共享科研、教育、商業(yè)和社會(huì)信息等最重要和最具潛力的巨大信息源。Web信息抽取是指從Web頁(yè)面所包含的無(wú)結(jié)構(gòu)或半結(jié)構(gòu)的信息中識(shí)別用戶感興趣的數(shù)據(jù)，并將其轉(zhuǎn)化為結(jié)構(gòu)和語(yǔ)義更為清晰的格式，以統(tǒng)一的形式集成在一起，使Web信息的
7、再利用成為可能，成為當(dāng)前研究的一個(gè)熱點(diǎn)[1]。目前關(guān)于Web信息抽取的工作可以大致分為以下幾個(gè)類別：基于特征模式匹配的信息抽取、基于歸納學(xué)習(xí)的信息抽取、基于網(wǎng)頁(yè)結(jié)構(gòu)特征分析的信息抽取、基于本體的Web信息抽取等。由于Web頁(yè)面的種類繁多且信息抽取目的也不盡相同，不存在一種Web信息抽取系統(tǒng)，能夠適應(yīng)這種千變?nèi)f化的應(yīng)用環(huán)境?，F(xiàn)有各種抽取方法針對(duì)不同領(lǐng)域、不同結(jié)構(gòu)頁(yè)面的通用性上也都存在一些問(wèn)題[2-9]。由于目前很多Web頁(yè)面是動(dòng)態(tài)生成的，以列表或表格的方式集中顯示后臺(tái)數(shù)據(jù)庫(kù)中的數(shù)據(jù)，這種類型的頁(yè)面對(duì)于數(shù)據(jù)集成等現(xiàn)實(shí)應(yīng)用具有重要意義，抽取準(zhǔn)確度也相對(duì)較高。本文針對(duì)于
