信息化教育領(lǐng)域的Web信息抽取技術(shù)研究.pdf

1、計算機技術(shù)和互聯(lián)網(wǎng)(Internet)的迅猛發(fā)展，使Web發(fā)展成為一個全球的、巨大的、分布和共享的信息空間，Web作為一個龐大的資源庫，給人們的學(xué)習(xí)、生活和工作帶來了巨大的便利。然而面對Web上的海量信息，人們卻陷入了“數(shù)據(jù)豐富，知識貧乏”的尷尬境地。由于目前的Web數(shù)據(jù)大多以HTML的形式出現(xiàn)，使得應(yīng)用程序無法直接獲取Web上的信息。Web信息抽取技術(shù)正是在這一背景下應(yīng)運而生。 本文分析了一些典型的信息抽取系統(tǒng)技術(shù)特點，并探討

2、了在信息化教育中，從學(xué)習(xí)者的需求出發(fā)，抽取個性化的服務(wù)信息。本文實現(xiàn)了一個基于文檔結(jié)構(gòu)樹的個性化信息抽取系統(tǒng)。本系統(tǒng)主要分為兩個部分，抽取規(guī)則的定義以及抽取規(guī)則的執(zhí)行。在抽取規(guī)則的定義階段，首先將獲取的HTML結(jié)構(gòu)的網(wǎng)頁進(jìn)行規(guī)范化處理，轉(zhuǎn)換為格式規(guī)范、語義清晰的XML文件，生成對應(yīng)文檔的DOM樹，然后由用戶指定待抽取信息的位置以及對應(yīng)的目的表的模式，最后根據(jù)這些信息生成抽取規(guī)則。在抽取規(guī)則執(zhí)行階段，系統(tǒng)根據(jù)用戶定義的抽取規(guī)則抽取Web數(shù)