基于領(lǐng)域Ontology的Web信息抽取研究.pdf_第1頁
已閱讀1頁,還剩61頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)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(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、隨著互聯(lián)網(wǎng)的迅速發(fā)展,網(wǎng)絡(luò)上的信息與日俱增,已成為人們獲取信息的重要來源。但是,由于Web頁面的無結(jié)構(gòu)性、Web內(nèi)容的多樣性和Web頁面的動(dòng)態(tài)變化等原因,使人們很難準(zhǔn)確的在Web上搜索到真正想要的信息。Web信息抽取技術(shù)為人們提供了更有力的信息獲取工具,是解決目前Web頁面存在的各種各樣問題的一個(gè)有效途徑。其主要的任務(wù)是將Web中各種不同格式表達(dá)的信息通過抽取技術(shù)轉(zhuǎn)化為統(tǒng)一的信息表達(dá)方式。 本文首先介紹了信息抽取的產(chǎn)生背景、技術(shù)

2、內(nèi)涵和基本應(yīng)用,分析了信息抽取系統(tǒng)體系結(jié)構(gòu)、關(guān)鍵技術(shù)以及分類和衡量指標(biāo)。接著重點(diǎn)介紹了Ontology的基本知識(shí),Ontology的構(gòu)建以及Ontology的解析。在此基礎(chǔ)上,本文提出了一種基于領(lǐng)域Ontology的Web信息抽取方法,該方法一方面利用領(lǐng)域Ontology里的概念、屬性、層次結(jié)構(gòu)等自動(dòng)生成匹配模式,另一方面對(duì)Web頁面進(jìn)行預(yù)處理并對(duì)預(yù)處理后的文本進(jìn)行語法分析,再和先前生成的抽取規(guī)則一起對(duì)預(yù)處理后的文檔進(jìn)行信息抽取,最后把

3、抽取的結(jié)果以記錄的形式輸出到數(shù)據(jù)庫以便查詢。基于領(lǐng)域Ontology的信息抽取最大的優(yōu)點(diǎn)是抽取對(duì)Web頁面的結(jié)構(gòu)沒有依賴性。另外,利用Ontology來描述和表達(dá)信息抽取的知識(shí)庫增強(qiáng)了抽取模板的語義表達(dá)能力,將信息抽取的重點(diǎn)放在特定的領(lǐng)域,可以大大提高信息抽取的準(zhǔn)確率。 在本文中,我們根據(jù)上述方法并結(jié)合實(shí)際情況,設(shè)計(jì)了一個(gè)基于計(jì)算機(jī)專業(yè)求職信Ontology(Computerjobhuntingletterontology(CJ

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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)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(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)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(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論