已閱讀1頁，還剩83頁未讀， 繼續(xù)免費閱讀
版權說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權，請進行舉報或認領
文檔簡介
1、互聯(lián)網(wǎng)的數(shù)據(jù)變得越來越龐大，如何自動地從中抽取信息從而減輕人類的閱讀理解負擔變得越來越價值。互聯(lián)網(wǎng)的網(wǎng)頁中主要包含三種類型的文本——結構化文本，半結構化文本，自由文本。本文設計的系統(tǒng)從Web頁面提取自由文本并從中抽取出結構化信息：它以Web為數(shù)據(jù)源，從聚焦搜索抓取的主題網(wǎng)頁庫中取得某一主題的網(wǎng)頁，提取網(wǎng)頁正文，并進一步判定網(wǎng)頁正文的自由文本屬性，利用該主題類型的信息抽取訓練模型對自由文本提取目標信息，最后存入結構化信息存儲系統(tǒng)中供后續(xù)應
2、用程序的查詢使用。根據(jù)大多數(shù)網(wǎng)頁布局基于TABLE標簽布局這一情況，本文提出了基于 TABLE布局的分塊和網(wǎng)頁冗余信息檢測與移除算法——對于一個HTM[。文檔，提取網(wǎng)頁中的所有 TABLE 元素，構成一個簡化的 TABLE樹型模型。根據(jù) TABLE節(jié)點的結構，樣式及內(nèi)容相似性，進行分塊，聚類，從而提取網(wǎng)頁模版。另外，由于網(wǎng)頁中的自由文本通常表現(xiàn)為比較連續(xù)的文本字符串，而半結構化信息通常存放在HTML 的 TABLE,UL,OL 等結構中
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(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)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(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)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。
最新文檔
- 基于隱馬爾可夫模型的文本信息抽取算法研究.pdf
- 基于隱馬爾可夫模型的Web文本挖掘技術研究.pdf
- 隱馬爾可夫模型在信息抽取中的應用研究.pdf
- 隱馬爾可夫模型簡介
- 隱馬爾可夫模型技術
- 基于隱馬爾可夫模型的音頻檢索.pdf
- 基于小波和隱馬爾可夫模型的音頻分類.pdf
- 基于隱馬爾可夫模型的動態(tài)紋理分類.pdf
- 基于隱馬爾可夫模型的可用帶寬測量.pdf
- 基于隱馬爾可夫模型的指紋匹配研究.pdf
- 基于隱馬爾可夫模型脈象信號分類.pdf
- 基于特征選擇和隱馬爾可夫模型的人臉識別.pdf
- 基于隱馬爾可夫模型的自動和弦識別.pdf
- 基于隱馬爾可夫模型的推薦算法研究.pdf
- 隱馬爾可夫模型下基于通信流的隱組織識別.pdf
- 基于隱馬爾可夫模型的人臉識別研究.pdf
- 基于語義簇構建隱馬爾可夫模型的文本分類方法研究.pdf
- 基于隱馬爾可夫模型的手指靜脈識別研究.pdf
- 基于隱馬爾可夫模型的多序列比對算法.pdf
- 基于隱馬爾可夫模型的對象定位方法研究.pdf
評論
0/150
提交評論