基于本體的個人站點信息抽取研究.pdf

1、身處一個高速發(fā)展的信息時代,隨著互聯(lián)網(wǎng)的日漸普及,信息載體的日益增多,使得大量的無關(guān)信息充斥著人們的眼球;面對信息量的爆炸式增長,單純的依靠人工篩選價值信息已經(jīng)不太現(xiàn)實.然而信息時代的人們對于信息的渴求度又是十分強烈的,如何從這些繁多的信息量中選取出用戶感興趣的價值信息,滿足他們的信息效率需求,已經(jīng)是當今研究的重要課題.這些都推動了信息抽取研究工作的進行,目前,抽取工具已經(jīng)成為了人們?nèi)粘Ｉ钪胁豢扇鄙俚暮脦褪?信息抽取技術(shù)也是在日漸不斷

2、完善的過程中.而現(xiàn)在信息量的大幅增長主要就是依靠互聯(lián)網(wǎng)這個載體,但是由于網(wǎng)上信息資源的異質(zhì)性和缺乏統(tǒng)一的結(jié)構(gòu)組織,使得大規(guī)模的網(wǎng)絡(luò)信息的瀏覽和抽取都受到一定程度的限制,于是將信息抽取技術(shù)應用于互聯(lián)網(wǎng)作為緩解這種局面的一種有效途徑而出現(xiàn),相對于維護費用昂貴的精密網(wǎng)絡(luò)挖掘程序,網(wǎng)絡(luò)信息抽取技術(shù)一直致力于自動地將輸入頁面轉(zhuǎn)化為統(tǒng)一的結(jié)構(gòu)化數(shù)據(jù).因此,本文采用網(wǎng)絡(luò)信息抽取技術(shù)來對所需信息項進行篩選,構(gòu)建研究領(lǐng)域的參照模型,據(jù)此設(shè)計信息抽取系統(tǒng)完

3、成對目標網(wǎng)頁的抽取.
　　將本體引入網(wǎng)絡(luò)信息抽取技術(shù)中,是本文研究的中心思想.本體作為一種規(guī)范性的概念關(guān)系描述,在形成模型標準的時候,具有與生俱來的優(yōu)勢,可以對研究領(lǐng)域內(nèi)相關(guān)概念關(guān)系進行集約化處理,從而給出領(lǐng)域內(nèi)目標信息框架,更加合理地對樣本信息執(zhí)行抽取操作.本體模型作為本文抽取過程中有力的工具,通過一個專業(yè)化的構(gòu)建過程,在其全面性和互通性上可以達到令人滿意的程度,使得信息抽取工作對于網(wǎng)頁結(jié)構(gòu)的依賴性較少.通過本體展示的領(lǐng)域內(nèi)相關(guān)

4、描述,結(jié)合樣本實例,這兩者是本文信息抽取所必不可少的依據(jù).
　　本文的目標信息源來自個人站點網(wǎng)頁,結(jié)合自身的學術(shù)背景,以學者個人站點作為數(shù)據(jù)源,來設(shè)計本文的信息抽取系統(tǒng).首先,本文對于個人站點、本體、信息抽取的知識進行了簡單介紹;然后對比分析個人網(wǎng)站的結(jié)構(gòu)特征,又結(jié)合本體的特質(zhì),確定將本體模型引入到本文的網(wǎng)絡(luò)信息抽取技術(shù)中,使得本文的抽取策略成為可能.本文的研究重點是設(shè)計適用于抽取個人網(wǎng)站信息的本體模型,利用本體開發(fā)工具完成進行開

5、發(fā),還包括本體的檢測推理以及存儲這些后期工程.之后結(jié)合本體模型,構(gòu)建抽取規(guī)則,利用信息抽取算法實現(xiàn)對網(wǎng)頁信息的有效篩選.系統(tǒng)界面的簡單化設(shè)計更易上手,用戶可以根據(jù)自己的興趣需要,對目標個人站點進行信息抽取,從中可以清楚的看到各個信息項的清晰描述.其中,設(shè)計本體和信息抽取規(guī)則是本文的核心內(nèi)容.
　　將基于本體的信息抽取方法與其他方法相比,對同一領(lǐng)域而言,可以由領(lǐng)域?qū)＜襾矶x域內(nèi)的概念、關(guān)系、層次結(jié)構(gòu)、概念關(guān)系間的約束等,并根據(jù)這些來