基于本體的Web信息抽取.pdf

1、近年來，伴隨著互聯(lián)網(wǎng)的快速發(fā)展產(chǎn)生了海量的信息，Web頁(yè)面呈現(xiàn)多樣性和異構(gòu)性等特點(diǎn)。此外，目前的Web頁(yè)面結(jié)構(gòu)比較復(fù)雜，在同一個(gè)頁(yè)面上往往包含多個(gè)不同的主題，這也給用戶的信息抽取帶來了一定的麻煩。因此，用戶在對(duì)Web網(wǎng)頁(yè)進(jìn)行信息檢索和處理時(shí)就會(huì)受到很多的限制。Web信息抽取方法研究的目的是將Web上存在的信息轉(zhuǎn)化為結(jié)構(gòu)化的數(shù)據(jù)，從而為搜索引擎和數(shù)據(jù)挖掘等應(yīng)用提供方便。本文通過對(duì)網(wǎng)頁(yè)分塊技術(shù)和基于本體的Web信息抽取進(jìn)行分析，得出兩者之間

2、的共同點(diǎn)，并在基于本體的Web信息抽取中引入了網(wǎng)頁(yè)分塊技術(shù)，從而對(duì)算法進(jìn)行了改進(jìn)。此外，論文還對(duì)基于本體的自適應(yīng)Web信息抽取平臺(tái)進(jìn)行了研究分析，并將該平臺(tái)應(yīng)用到了書籍信息的抽取中，通過實(shí)驗(yàn)對(duì)平臺(tái)做了進(jìn)一步的說明。論文的主要工作內(nèi)容可以概括如下:
　　1、針對(duì)網(wǎng)頁(yè)分塊技術(shù)與基于本體的Web信息抽取之間具有共同之處，在基于本體的Web信息抽取中引入了網(wǎng)頁(yè)分塊技術(shù)，對(duì)算法進(jìn)行了改進(jìn)，并通過與改進(jìn)前的算法進(jìn)行了對(duì)比實(shí)驗(yàn)，驗(yàn)證了改進(jìn)的算法