應(yīng)用于中文人名搜索引擎的Web信息提取技術(shù)研究.pdf

1、Web信息提取是指從Web文檔中自動(dòng)提取出所需信息的過程。本文研究Web信息提取并應(yīng)用于面向主題的搜索引擎中，這里的主題是針對(duì)于中文入名的查找。 本文主要的工作是針對(duì)有關(guān)Web上中文人名的信息，研究Web信息提取技術(shù)，設(shè)計(jì)搜索引擎中的信息提取模塊，并進(jìn)行實(shí)驗(yàn)測(cè)試。本文從網(wǎng)頁(yè)內(nèi)容中提取關(guān)于人名的四個(gè)屬性(出生年份、職業(yè)、相關(guān)地點(diǎn)、相關(guān)機(jī)構(gòu))。 論文中詳細(xì)說明了信息提取模塊的系統(tǒng)流程設(shè)計(jì)和流程中各個(gè)子模塊的實(shí)現(xiàn)方法以及使用到

2、的具體技術(shù)。針對(duì)不同的人名網(wǎng)頁(yè)內(nèi)容類型，本文使用了相應(yīng)的提取模式的方法。對(duì)于“個(gè)人介紹類”網(wǎng)頁(yè)，本文使用了知識(shí)工程方法(KnowledgeEngineeringApproach)，人工構(gòu)建了模式庫(kù)；對(duì)于“個(gè)人活動(dòng)類”網(wǎng)頁(yè)，本文使用了自動(dòng)訓(xùn)練方法(AutomaticTrainingApproach)，提出了一種新的模式提取算法，用來自動(dòng)地從訓(xùn)練集中提取模式。最后針對(duì)Web上的某一中文人名網(wǎng)頁(yè)集進(jìn)行信息提取實(shí)驗(yàn)，實(shí)驗(yàn)證明信息提取模塊的處理效