版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、隨著電子商務的迅速發(fā)展,網絡信息的泛濫,用戶獲得相關信息日益困難,由此產生了一些強大的如淘寶網、京東商城等購物網站。但是,目前Web的數據基本上是HTML形式存儲和表示的,屬于半結構化的數據。為了利用網頁中的HTML數據,Web信息抽取技術應運而生。Web信息抽取主要對網絡中半結構化的數據進行抽取,生成結構化的數據,實現數據的整合與共享。
目前,關于Web信息抽取方面的研究有很多。Web信息抽取的方法主要有基于自然語言處理的、
2、基于Web查詢的、基于HTML結構的和基于本體的?;诒倔w的Web信息抽取技術,由于不依賴于Web網頁的結構,而且本體可以準確地描述相關的語義信息,具有簡單的推理能力,所以信息抽取的準確率和召回率都得到了提高。此外,本體有許多優(yōu)點。首先,本體提供了一個豐富的、預定義的詞匯庫,可作為與數據源的穩(wěn)定的概念接口,并且獨立于數據模式。第二,本體表示的知識足夠支持所有相關信息源的轉換。第三,本體支持一致的管理和非一致數據的識別等。
本文
3、研究了本體及領域本體的相關概念,深入分析了本體構建的方法和規(guī)則,以及信息抽取的相關知識。在此基礎上,本文提出了一種構建領域本體的方法。在該方法的指導下,本文分析研究了本體概念之間的關系、概念的層次結構、概念的等價性、屬性約束以及實例的等價性,利用Protégé工具創(chuàng)建了手機領域中的手機本體(MobilePhoneOntology),對手機領域本體進行推理完善。同時對待抽取Web頁面進行預處理,利用ICTCLAS分詞工具和手機領域詞匯相結
4、合進行的中文分詞處理得到處理后的文檔,利用Jena工具解析本體,獲得其中的概念、屬性以及實例等信息并保存起來,再和生成的抽取規(guī)則一起對預處理后的文檔進行信息抽取。
最后,根據研究的關鍵技術,借助GATE(自然語言處理工具)平臺對電子商務網站上的Web網頁進行抽取實驗。在實驗過程中,引進手機本體文件、編寫處理插件、編寫詞典和映射文件、編寫規(guī)則文件等,得到實驗結果并分析,驗證信息抽取系統(tǒng)的性能。表明了本文方法的技術可行性,具有實際
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,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,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
- 基于領域本體的Web信息抽取研究.pdf
- 基于本體的旅游領域Web信息抽取.pdf
- 基于本體的Web信息抽取.pdf
- 基于領域本體的Web實體事件抽取問題研究.pdf
- 基于領域Ontology的Web信息抽取研究.pdf
- 基于Web數據表抽取的領域本體構建方法研究.pdf
- 基于本體的自適應Web信息抽取方法研究.pdf
- 領域本體的構建及其在Web信息抽取中的應用研究.pdf
- 基于本體的Web信息抽取的研究與實現.pdf
- 領域相關的Web信息抽取方法.pdf
- 基于本體的Web頁面結構化信息抽取.pdf
- 基于本體的制造業(yè)領域Web信息集成.pdf
- 基于領域本體的網絡信息抽取方法的研究與實現.pdf
- 基于領域本體的XML語義信息抽取的研究與實現.pdf
- 基于本體和文本特征的Web信息抽取技術研究.pdf
- 基于本體的信息抽取研究.pdf
- 信息集成系統(tǒng)中面向領域的Web信息抽取研究.pdf
- 基于實例的Web信息抽取.pdf
- 基于領域本體分類用戶參與的Web信息搜索機制研究.pdf
- 基于Web資源的領域本體學習工具.pdf
評論
0/150
提交評論