Web頁面用戶評論信息抽取技術(shù)研究.pdf

1、Web頁面上用戶的商品評論信息已成為影響電子商務(wù)消費者進行購買決策時的關(guān)鍵因素之一。近年來隨著電子商務(wù)的發(fā)展，關(guān)于商品的評論信息呈指數(shù)級增長，從而導致潛在用戶難以在這些大量信息中尋找到有參考的評論信息，大大減低了評論信息的應用范圍。論文將通過對web頁面評論信息現(xiàn)有系統(tǒng)結(jié)構(gòu)和抽取算法的分析，結(jié)合信息抽取課題，研究如何在大規(guī)模web頁面評論信息下確保抽取的高準確性和高效性。
　　 論文在分析典型web頁面信息抽取系統(tǒng)和算法的基礎(chǔ)上

2、，根據(jù)現(xiàn)有系統(tǒng)的優(yōu)缺點和抽取算法的不足，提出了基于樹權(quán)值的信息抽取算法，該算法通過對抓取到的web頁面轉(zhuǎn)化為標簽樹結(jié)構(gòu)，將標簽樹進行噪音去除等預處理后，自底而上的為每個樹節(jié)點賦上權(quán)值，使得不同層次不同標簽的節(jié)點具有不同的權(quán)值，然后根據(jù)相似樹和位置連續(xù)性來識別出數(shù)據(jù)記錄區(qū)域，包含數(shù)據(jù)記錄的標簽樹集進行樹對準操作后生成基準樹作為抽取模板，最后根據(jù)抽取模板對數(shù)據(jù)記錄進行對準和抽取。該算法具有很強的自適應性，能根據(jù)不同評論信息的結(jié)構(gòu)產(chǎn)生不同的抽