基于Web的電子期刊信息抽取研究.pdf

1、隨著Internet的快速發(fā)展，Web電子期刊資源已經(jīng)成為人們獲取信息的主要來源。讀者在浩如煙海的期刊中查找到所需要的信息具有很大的挑戰(zhàn)。如何將各種信息資源進行有效地集成，便于讀者直接檢索，查找到相關(guān)的信息是信息資源整合的核心問題。信息抽取技術(shù)是解決這個問題的重要手段。 基于Web的電子期刊的信息抽取平臺采用信息檢索、信息抽取和網(wǎng)格技術(shù)，應用于期刊文獻的共享，存儲和檢索。平臺具有一站式檢索和文獻獲取的功能。一站式檢索和文獻獲取主

2、要是通過對網(wǎng)頁表單的分析，模擬用戶登陸、查詢、獲取表單參數(shù)，獲取各種查詢信息頁面的網(wǎng)址。在文獻的信息抽取中，主要采用基于模式匹配的信息抽取算法，通過對信息區(qū)域的預處理，實現(xiàn)對信息塊的粗定位，結(jié)合抽取信息的特點，對不同樣本頁面的信息進行歸納學習，構(gòu)造出各種信息的正確抽取模式，將期刊文獻中的標題、作者、地址、關(guān)鍵詞、摘要、分類號和期刊號等各種信息抽取出來，為系統(tǒng)提供信息（數(shù)據(jù)）源。 平臺性能測試表明,從各種期刊中抽取出作者、標題、摘