基于領(lǐng)域Ontology的Web信息抽取研究.pdf

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