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

1、隨著Web的快速發(fā)展，豐富的Web資源構(gòu)成了一個巨大的全球信息倉庫。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)今的一個研究熱點。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Web信息特點和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信息抽取機制。在基于抽取規(guī)則模板

2、的Web信息抽取中，重點考慮抽取規(guī)則模板的定義與構(gòu)建：根據(jù)信息內(nèi)容的特點定制抽取規(guī)則，根據(jù)頁面的實際情況填充結(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)庫中。 基于規(guī)則模板的Web信息抽取機制的目的是設(shè)計并實現(xiàn)一種準(zhǔn)確、半自動、智能、高效、簡單的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制；概述了基于規(guī)則模板的Web信息抽取機制的基本原理、實現(xiàn)過程；給出了規(guī)則模板的定義以及規(guī)則模板的