面向Web的學(xué)前教育新聞信息抽取技術(shù)研究.pdf

1、隨著計(jì)算機(jī)和網(wǎng)絡(luò)的普及，目前的新聞信息更多的是以電子可讀文本的形式存在，以供讀者檢索查閱，也就是網(wǎng)絡(luò)新聞，學(xué)前教育學(xué)科的新聞也不例外。本文中的學(xué)前教育新聞是指以電子可讀文本形式存在的學(xué)前教育學(xué)科的網(wǎng)絡(luò)新聞。對(duì)學(xué)前教育新聞的信息抽取處理，主要是把新聞中包含的信息進(jìn)行結(jié)構(gòu)化處理，以統(tǒng)一的形式集成在一起。
　　 伴隨著網(wǎng)絡(luò)信息爆炸式的增長(zhǎng)，人們被包圍在信息的汪洋大海之中，對(duì)學(xué)前教育新聞的各種不同的需求，很難有效地利用搜索引擎準(zhǔn)確、高效

2、地從信息海洋中抽取所需資源。準(zhǔn)確地獲取Web 頁(yè)面中的學(xué)前教育新聞信息資源正是亟待解決的問(wèn)題?；赪eb的學(xué)前教育新聞信息抽取技術(shù)的研究，正是伴隨著這樣的需求而出現(xiàn)并不斷豐富的。通過(guò)信息抽取，使得學(xué)前教育新聞信息得以結(jié)構(gòu)化，便于深層利用，反之，還可以指導(dǎo)學(xué)前教育新聞信息的獲取。
　　 針對(duì)學(xué)前教育網(wǎng)絡(luò)新聞“循環(huán)化”的特點(diǎn)，本文利用信息抽取技術(shù)對(duì)新聞網(wǎng)頁(yè)正文進(jìn)行抽取，以文本的形式保存，為學(xué)前教育信息資源庫(kù)的建設(shè)打下基礎(chǔ)的同時(shí)，還從

3、文本中抽取出大量特定的事實(shí)信息，如新聞發(fā)表時(shí)間、新聞中出現(xiàn)的中文人名、地名等，可以對(duì)外提供信息檢索服務(wù)。具體包括如下內(nèi)容：
　　 根據(jù)學(xué)前教育新聞網(wǎng)頁(yè)正文信息的特點(diǎn)，結(jié)合以開(kāi)源代碼形式發(fā)布的HTMLParser 工具包，利用基于規(guī)則的信息抽取方法和現(xiàn)有的網(wǎng)頁(yè)噪音凈化等計(jì)算機(jī)技術(shù)，將互聯(lián)網(wǎng)上半結(jié)構(gòu)化的新聞網(wǎng)頁(yè)正文抽取出來(lái)，以文本形式保存。然后通過(guò)統(tǒng)計(jì)與規(guī)則相結(jié)合的方法，制定新聞發(fā)表時(shí)間、中文人名和地名的統(tǒng)計(jì)概率模型，抽取出新聞網(wǎng)頁(yè)