本體導(dǎo)向的對(duì)象信息抽取關(guān)鍵技術(shù)研究及實(shí)現(xiàn).pdf

1、從Web中抽取和聚合對(duì)象信息對(duì)于Web數(shù)據(jù)處理意義重大，因?yàn)橥ǔＭ活?lèi)型的對(duì)象分布于不同的Web資源中，而這些資源的結(jié)構(gòu)特征迥異，現(xiàn)有的Web信息抽取技術(shù)往往無(wú)法較好地完成Web對(duì)象的抽取，針對(duì)這一情況，本文提出了本體導(dǎo)向的對(duì)象信息抽取(OGOIE，Ontology Guided Object Information Extraction)框架，并對(duì)框架中的兩個(gè)關(guān)鍵技術(shù)進(jìn)行了設(shè)計(jì)與實(shí)現(xiàn)。 OGOIE框架主要包括四個(gè)模塊(網(wǎng)頁(yè)分析器、對(duì)象

2、類(lèi)別識(shí)別器、對(duì)象元素識(shí)別器和對(duì)象判重器)，兩個(gè)輸入資源庫(kù)(領(lǐng)域本體和領(lǐng)域原始網(wǎng)頁(yè))和一個(gè)輸出資源庫(kù)(領(lǐng)域?qū)ο髱?kù))。從框架中引出的兩個(gè)關(guān)鍵技術(shù)分別是新詞識(shí)別，SVM分類(lèi)器效率的改進(jìn)(SRL，SVM的樣本縮減算法)。其中新詞識(shí)別隸屬于網(wǎng)頁(yè)分析器，是分詞的后續(xù)修正過(guò)程，包括在線識(shí)別和離線識(shí)別兩部分，主要目的是盡可能地減小分詞誤差對(duì)接下來(lái)工作的負(fù)面影響。
　　 第二項(xiàng)關(guān)鍵技術(shù)是對(duì)SVM分類(lèi)器效率的改進(jìn)，分類(lèi)器在該框架中應(yīng)用居多，對(duì)象類(lèi)別

3、和其元素屬性的識(shí)別都有需要，本文考慮在分類(lèi)之前借助于線性分類(lèi)器(樸素貝葉斯和中心法)對(duì)訓(xùn)練樣本進(jìn)行縮減來(lái)達(dá)到降低SVM分類(lèi)效率的目的，由此提出了基于線性分類(lèi)器的SVM樣本縮減算法(SRL，Sample Reduction for SVM by a Linear Classifier)。
　　 最后分別對(duì)新詞識(shí)別和SRL算法進(jìn)行了實(shí)驗(yàn)驗(yàn)證，其中新詞識(shí)別以臺(tái)風(fēng)概念及其實(shí)例為例，實(shí)驗(yàn)結(jié)果表明通過(guò)新詞識(shí)別能使分詞后領(lǐng)域詞的正確分詞率有明