基于XML的WEB信息抽取系統(tǒng)研究與實(shí)現(xiàn).pdf

1、隨著計算機(jī)科學(xué)技術(shù)與互聯(lián)網(wǎng)的不斷發(fā)展,在我們的工作和生活中web已變得必不可少。web上信息資源呈幾何級數(shù)量增長,web已經(jīng)成為一個巨大的信息資源庫,要想準(zhǔn)確有效地獲取一條想要的信息變得越來越難,如何從web信息資源庫中抽取出有用的信息已經(jīng)成為眾多科研工作者研究的課題,web信息抽取技術(shù)應(yīng)運(yùn)而生。
　　 本文在研究現(xiàn)有的web信息抽取技術(shù)基礎(chǔ)上,結(jié)合標(biāo)準(zhǔn)的XML技術(shù),提出了基于XML的web信息抽取技術(shù)。本文主要工作有以下幾點(diǎn):

2、
　　 1.在研究前人技術(shù)成果基礎(chǔ)之上,對現(xiàn)有信息抽取技術(shù)加以整合和擴(kuò)展,設(shè)計了基于XML的web信息抽取系統(tǒng)框架模型。
　　 2.研究了信息抽取關(guān)鍵技術(shù),闡述了信息抽取工作流程,設(shè)計了抽取規(guī)則和抽取配置文件的生成方法。最終,實(shí)現(xiàn)了Web信息抽取系統(tǒng)的主要功能.。
　　 3.本文對抽取結(jié)果進(jìn)行分類,采用了樸素貝葉斯理論,設(shè)計了一個中文Web文本分類系統(tǒng)模型,該模型隸屬于整個信息抽取系統(tǒng)框架模型。
　　 4