基于網(wǎng)絡(luò)的多媒體節(jié)目編目信息抽取技術(shù)的研究.pdf

1、近年來隨著數(shù)字多媒體業(yè)務(wù)的不斷擴(kuò)展,數(shù)字多媒體業(yè)務(wù)的觀眾對多媒體節(jié)目編目信息的要求也隨之而來。而目前尚沒有此領(lǐng)域的研究來滿足觀眾的這一迫切需求,這也正是本文研究的背景和選題的動(dòng)力。Internet的飛速發(fā)展使WEB數(shù)據(jù)不斷增長,導(dǎo)致了大量半結(jié)構(gòu)(semi-structured)數(shù)據(jù)的產(chǎn)生,因特網(wǎng)上存在的大量與多媒體相關(guān)的描述信息使得我們從中獲取多媒體節(jié)目編目信息成為可能。為了獲取多媒體節(jié)目的編目信息,論文著眼于Internet資源,將多

2、媒體節(jié)目編目信息的網(wǎng)絡(luò)自動(dòng)抽取技術(shù)作為研究的目標(biāo)和任務(wù)。論文首先研究了WEB信息抽取技術(shù)的一般分類和WEB信息抽取系統(tǒng)的一般實(shí)現(xiàn)方法。在此基礎(chǔ)上,結(jié)合多媒體節(jié)目編目信息的特點(diǎn),提出了一個(gè)多媒體節(jié)目編目信息網(wǎng)絡(luò)自動(dòng)抽取系統(tǒng)NMPIES,該系統(tǒng)設(shè)計(jì)比較簡單,結(jié)構(gòu)清晰,理論上可以完成實(shí)現(xiàn)論文所提的目標(biāo)。WEB預(yù)處理和網(wǎng)頁自動(dòng)分類是編目信息抽取的前提,也是論文的研究重點(diǎn)。傳統(tǒng)的WEB預(yù)處理技術(shù)一般只涉及到HTML的噪音過濾、文本抽取等技術(shù),利用

3、這些簡單技術(shù)很難為多媒體節(jié)目編目信息的抽取做好準(zhǔn)備。因此,論文在研究了HTML網(wǎng)頁的特點(diǎn)后,提出了一套適用于多媒體節(jié)目編目信息抽取的WEB預(yù)處理技術(shù),其中包括HTML-Tree中心內(nèi)容確定方法、基于HTML-Tree方法的網(wǎng)頁特征提取等關(guān)鍵技術(shù),通過這些關(guān)鍵技術(shù)的實(shí)現(xiàn),很好地達(dá)到了對WEB信息進(jìn)行預(yù)處理的目的,提高了網(wǎng)頁自動(dòng)分類的查準(zhǔn)率和查全率。然后論文研究了多媒體節(jié)目編目信息抽取的主要實(shí)現(xiàn)技術(shù),使用了基于主題的信息抽取方法,該方法通過