網(wǎng)絡(luò)商品信息搜索與抽取技術(shù)應用研究.pdf

1、　　隨著互聯(lián)網(wǎng)的發(fā)展，網(wǎng)絡(luò)購物逐漸的被人們所接受，電子商務也快速的發(fā)展起來。然而面臨網(wǎng)絡(luò)中豐富的商品，如何從中找到滿意的商品信息，成為目前網(wǎng)絡(luò)用戶所面臨的問題之一。
　　網(wǎng)頁信息搜索與抽取技術(shù)是解決該問題的重要途徑之一，可細分為網(wǎng)頁搜索和信息抽取。網(wǎng)頁搜索是指從互聯(lián)網(wǎng)中搜索網(wǎng)頁，目前主要的網(wǎng)頁搜索技術(shù)有目錄搜索、全文搜索以及元搜索。信息抽取是指對網(wǎng)頁中的信息進行結(jié)構(gòu)化處理，輸出結(jié)構(gòu)化信息，可以分為基于自然語言、包裝器、本體、H

2、TM L結(jié)構(gòu)和Web查詢五種信息抽取技術(shù)?，F(xiàn)有的網(wǎng)絡(luò)商品信息搜索工具如比價網(wǎng)、愛購物、比價助手等采用人工進行規(guī)則抽取，自動化差。
　　本文對網(wǎng)絡(luò)商品信息搜索和抽取技術(shù)進行了深入的研究和探討，設(shè)計了一種“雙層”元搜索引擎，并針對元搜索技術(shù)的特點對FindDR信息抽取算法進行了改進。主要工作如下：
　　1)提出了一種“雙層”元搜索引擎。該方法通過百度搜索引擎搜索購物網(wǎng)站，提取其中包含的購物網(wǎng)站站內(nèi)引擎信息，并以這些搜索引

3、擎為子引擎實現(xiàn)對網(wǎng)絡(luò)商品搜索。通過“雙層”元搜索引擎可以實現(xiàn)對子搜索引擎的自動維護。
　　2)對FindDR算法進行改進。FindDR算法是一種適用于對具有重復結(jié)構(gòu)網(wǎng)頁進行信息抽取的信息抽取算法，本文通過元搜索引擎搜索結(jié)構(gòu)網(wǎng)頁與搜索詞的對應關(guān)系對FindDR算法進行改進，提高了算法的運行效率。
　　3)將以上設(shè)計用JAVA語言實現(xiàn)并運用在一款網(wǎng)絡(luò)比價軟件的開發(fā)中，通過實際的大量網(wǎng)絡(luò)商品搜索實驗，驗證了系統(tǒng)可以自動添加