基于XML的數(shù)據(jù)抽取的研究與應(yīng)用.pdf

1、隨著信息時(shí)代的到來(lái)，企業(yè)在發(fā)展過程中，積累了大量紛雜數(shù)據(jù)，如何利用這些數(shù)據(jù)來(lái)指導(dǎo)企業(yè)決策分析，是企業(yè)能否在競(jìng)爭(zhēng)中取得經(jīng)濟(jì)效益的關(guān)鍵。數(shù)據(jù)倉(cāng)庫(kù)技術(shù)的出現(xiàn)滿足了決策支持系統(tǒng)發(fā)展的需要。 人們對(duì)數(shù)據(jù)分析的要求的不斷提高導(dǎo)致了數(shù)據(jù)倉(cāng)庫(kù)的發(fā)展。數(shù)據(jù)是進(jìn)行一切分析的基礎(chǔ)，同時(shí)也是數(shù)據(jù)倉(cāng)庫(kù)的核心內(nèi)容。數(shù)據(jù)抽取是建設(shè)數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)的基礎(chǔ)問題之一，由于數(shù)據(jù)源的多樣性和復(fù)雜性，如何快速準(zhǔn)確地從各種數(shù)據(jù)源抽取數(shù)據(jù)是數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)實(shí)現(xiàn)的關(guān)鍵。這一課題己成為

2、計(jì)算機(jī)界研究的熱點(diǎn)，也是本文研究的核心問題。 本文的內(nèi)容主要包括下面幾個(gè)方面： 首先，提出數(shù)據(jù)抽取問題，指出建立數(shù)據(jù)抽取模型的重要性；然后，對(duì)企業(yè)應(yīng)用環(huán)境進(jìn)行分析，數(shù)據(jù)抽取模型是建立在企業(yè)應(yīng)用環(huán)境基礎(chǔ)之上的，因此必須對(duì)企業(yè)應(yīng)用環(huán)境有全面而準(zhǔn)確的了解；接著，在此基礎(chǔ)上給出了模型的設(shè)計(jì)框架，并對(duì)此模型各環(huán)節(jié)進(jìn)行了全面細(xì)致的分析；最后，在實(shí)際系統(tǒng)中對(duì)抽取模型進(jìn)行了具體的設(shè)計(jì)和實(shí)現(xiàn)。 在模型的實(shí)現(xiàn)過程中，大量應(yīng)用了XML