基于Web的電子期刊信息抽取研究.pdf

1、隨著Internet的快速發(fā)展，Web電子期刊資源已經(jīng)成為人們獲取信息的主要來(lái)源。讀者在浩如煙海的期刊中查找到所需要的信息具有很大的挑戰(zhàn)。如何將各種信息資源進(jìn)行有效地集成，便于讀者直接檢索，查找到相關(guān)的信息是信息資源整合的核心問(wèn)題。信息抽取技術(shù)是解決這個(gè)問(wèn)題的重要手段。 基于Web的電子期刊的信息抽取平臺(tái)采用信息檢索、信息抽取和網(wǎng)格技術(shù)，應(yīng)用于期刊文獻(xiàn)的共享，存儲(chǔ)和檢索。平臺(tái)具有一站式檢索和文獻(xiàn)獲取的功能。一站式檢索和文獻(xiàn)獲取主

2、要是通過(guò)對(duì)網(wǎng)頁(yè)表單的分析，模擬用戶登陸、查詢、獲取表單參數(shù)，獲取各種查詢信息頁(yè)面的網(wǎng)址。在文獻(xiàn)的信息抽取中，主要采用基于模式匹配的信息抽取算法，通過(guò)對(duì)信息區(qū)域的預(yù)處理，實(shí)現(xiàn)對(duì)信息塊的粗定位，結(jié)合抽取信息的特點(diǎn)，對(duì)不同樣本頁(yè)面的信息進(jìn)行歸納學(xué)習(xí)，構(gòu)造出各種信息的正確抽取模式，將期刊文獻(xiàn)中的標(biāo)題、作者、地址、關(guān)鍵詞、摘要、分類號(hào)和期刊號(hào)等各種信息抽取出來(lái)，為系統(tǒng)提供信息（數(shù)據(jù)）源。 平臺(tái)性能測(cè)試表明,從各種期刊中抽取出作者、標(biāo)題、摘