基于FCA的產品信息提取和結構化顯示方法.pdf

1、在Web中檢索一個查詢詞，搜索引擎往往會返回成千上萬的搜索結果，這些結果絕大部分對于某個特定的用戶而言都是不相關的，用戶必須通過瀏覽冗長的列表或層次結構復雜的樹型結構才能找到自己所需要的信息。列表方式呈現(xiàn)的信息內容清晰明了，但無法體現(xiàn)產品信息之間的聯(lián)系與差異，80％的網絡用戶不會查看搜索結果第三頁以后的內容；樹型結構能較好的體現(xiàn)層次關系，但產品分類都是事先設定的，用戶查找產品信息時往往需要按照固定的路徑查詢，缺乏靈活性。因此，為了幫助用

2、戶從搜索結果中篩選出真正感興趣的產品，必須設計出一種簡潔、實用而又能快速準確查找產品信息的查詢及瀏覽方式。 通過研究形式概念分析理論發(fā)現(xiàn)，概念格結構實際上是一個概念間關系的網絡結構，在這個網絡關系結構中概念之間存在著一些隱含的直接或者間接關系，例如，上下層概念格節(jié)點之間的繼承關系、概念之間的二元關系、同一層概念格節(jié)點之間的關聯(lián)性等。如果將這些關系應用到產品信息展示中，它不但實現(xiàn)了用戶興趣產品的表示，而且用戶除了能發(fā)現(xiàn)關注產品信息

3、，還能發(fā)現(xiàn)與這些信息相關聯(lián)的其他產品信息，提高了發(fā)現(xiàn)有用信息的準確率的同時也豐富了檢索結果的相關內容?；诖?，本文提出了形式概念分析理論與實際相結合的基于FCA的產品信息提取和結構化顯示方法。 本文主要包含兩部分內容，一部分是Web信息提取，另一部分是基于概念格的產品信息顯示及優(yōu)化策略。 信息提取部分的主要任務是從Web頁面中提取出產品信息的具體屬性內容。本文采用基于正則表達式的信息提取方法從Web頁面的HTMI。代碼中

4、匹配獲取有關的數(shù)據(jù)?；谡齽t表達式的信息提取技術思路如下：首先從Web中獲取包含目標信息的頁面：然后對Web頁面進行解析，從而得到頁面對應的HTML代碼；接著對Web頁面結構進行分析，編寫合適的正則表達式；最后對Web頁面進行模式匹配，力圖使系統(tǒng)擁有自動分析大部分網頁并提取和歸類保存其中用戶需求信息的功能。 基于概念格的產品信息顯示及優(yōu)化策略主要是利用概念格結構中各個節(jié)點之間具有的偏序關系來表現(xiàn)同類產品之間的聯(lián)系與差異，為用戶的

5、購買提供決策幫助。本文在這部分工作中，首先對概念格中存在的各種隱含關系進行研究；然后根據(jù)概念格結構特點提出了利用概念格結構展示產品信息的觀點；由于概念格結構不僅要能準確的展示信息間的關聯(lián)，而且要能剔除不相關的信息以降低顯示復雜度、提高信息的可用性，提出了關鍵格及關鍵形式概念的定義，并給出了從關鍵格中挖掘核心形式概念的方法；挖掘出的核心概念在表示產品信息時是不同的具體的產品，通過屬性關聯(lián)性的度量方法，本文給出了度量不同產品之間的關聯(lián)程度的

6、方法。本文的主要貢獻如下： (1)利用正則表達式強大的信息匹配能力，對Web中的產品參數(shù)信息進行有選擇的提取，從而得到用戶需要的結果。 (2)提出了使用概念格結構展示產品信息的觀點，這種方式不僅僅能為用戶提供一個清晰的概念層次關系，方便用戶瀏覽和選擇感興趣的內容，而且能清晰的表現(xiàn)信息之間的聯(lián)系與差異。 (3)提出了關鍵形式概念、關鍵格的定義以及從關鍵格結構中挖掘核心形式概念的方法。 (4)提出一種基于屬性