基于規(guī)則模板的Web信息抽取技術(shù)與實(shí)現(xiàn).pdf

1、隨著Web的快速發(fā)展，豐富的Web資源構(gòu)成了一個(gè)巨大的全球信息倉(cāng)庫(kù)。如何從Web網(wǎng)站中獲得想要的信息成為亟待解決的問題，因此Web信息抽取成為必要，Web信息抽取技術(shù)也成為當(dāng)今的一個(gè)研究熱點(diǎn)。Web信息抽取需要解決的問題是：如何構(gòu)建抽取規(guī)則使信息抽取免受頁面結(jié)構(gòu)差異和頁面結(jié)構(gòu)變化的影響，并盡可能地減少人為參與。 在對(duì)Web信息特點(diǎn)和Web信息抽取原理大量研究的基礎(chǔ)上，本文提出了基于規(guī)則模板的Web信息抽取機(jī)制。在基于抽取規(guī)則模板

2、的Web信息抽取中，重點(diǎn)考慮抽取規(guī)則模板的定義與構(gòu)建：根據(jù)信息內(nèi)容的特點(diǎn)定制抽取規(guī)則，根據(jù)頁面的實(shí)際情況填充結(jié)構(gòu)信息。信息抽取執(zhí)行程序根據(jù)規(guī)則模板發(fā)現(xiàn)、抽取信息并將信息保存到關(guān)系型數(shù)據(jù)庫(kù)中。 基于規(guī)則模板的Web信息抽取機(jī)制的目的是設(shè)計(jì)并實(shí)現(xiàn)一種準(zhǔn)確、半自動(dòng)、智能、高效、簡(jiǎn)單的Web頁面抽取方法。本文提出一種基于規(guī)則模板的信息抽取機(jī)制；概述了基于規(guī)則模板的Web信息抽取機(jī)制的基本原理、實(shí)現(xiàn)過程；給出了規(guī)則模板的定義以及規(guī)則模板的