Web中文信息抽取技術(shù)研究及其在招聘信息系統(tǒng)中的應(yīng)用.pdf

1、WWW的飛速發(fā)展使其已成為全球信息傳播與共享的重要平臺，并成為人們獲取信息的主要來源。但是隨著信息量的激增，要想從WWW上獲取一條有用信息的難度卻越來越大。人們期望著一種理想情況的出現(xiàn)：像查詢數(shù)據(jù)庫一樣地查詢WWW上的信息。 Web信息抽取技術(shù)正是隨著這樣的需求而出現(xiàn)并不斷豐富的，而各種抽取技術(shù)的側(cè)重點不同導(dǎo)致了抽取系統(tǒng)在精確度、可擴展性、適應(yīng)性方面不能都令人滿意。本課題較好地解決了基于自然語言理解的方式在處理半結(jié)構(gòu)化文本時的不

2、足，改進了現(xiàn)有的語言模型，并在此基礎(chǔ)上實現(xiàn)了一個Web招聘信息抽取系統(tǒng)——JobHunter。 JobHunter的實現(xiàn)如下：首先，構(gòu)建Spider，“爬行”WWW上的若干招聘網(wǎng)站并抓取網(wǎng)頁；然后，由基于自然語言理解的信息抽取模塊將Spider抓取的網(wǎng)頁抽取成結(jié)構(gòu)化信息并存入數(shù)據(jù)庫；最后，將用戶所關(guān)注的招聘信息清楚地顯示在界面上。 由于JobHunter基于自然語言理解方式進行信息抽取，可以從任何類型的網(wǎng)站抽取招聘信息，