基于語(yǔ)義網(wǎng)的信息處理系統(tǒng)設(shè)計(jì).pdf

1、Internet具有的海量、異構(gòu)、動(dòng)態(tài)變化等特性使Web信息抽取不同于傳統(tǒng)信息抽取，同時(shí)帶來(lái)了新的挑戰(zhàn)。首先，面對(duì)呈幾何級(jí)速度增長(zhǎng)的巨大的Web信息空間，如何自動(dòng)高效地處理海量Web信息是Web信息抽取的一個(gè)難點(diǎn)。其次，Web頁(yè)面的異構(gòu)性使如何在各式各樣的Web頁(yè)面里準(zhǔn)確識(shí)別所需信息點(diǎn)成為一個(gè)較大的難點(diǎn)。最后，Web網(wǎng)站的動(dòng)態(tài)更新使得保持信息抽取的適應(yīng)性也成為一個(gè)有待解決的問(wèn)題。 Web信息抽取承接了傳統(tǒng)信息抽取技術(shù)研究的成果，

2、其核心是將分散在Internet上的半結(jié)構(gòu)化的HTML頁(yè)面中的隱含的信息點(diǎn)抽取出來(lái)，并以更為結(jié)構(gòu)化、語(yǔ)義更為清晰的形式表示，為用戶在Web中查詢數(shù)據(jù)、應(yīng)用程序直接利用Web中的數(shù)據(jù)提供便利。 本文首先介紹了信息抽取技術(shù)及其產(chǎn)生背景和發(fā)展歷史，分析了信息抽取系統(tǒng)體系結(jié)構(gòu)、信息抽取的分類及信息抽取的關(guān)鍵技術(shù)和衡量指標(biāo)。本文還介紹了ontology的基本知識(shí)。在此基礎(chǔ)上提出了一種基于語(yǔ)義的信息抽取新方法。在本方法中，我們把信息抽取和o

3、ntology結(jié)合起來(lái)，先利用領(lǐng)域ontology里的概念、關(guān)系、關(guān)鍵字等自動(dòng)生成抽取規(guī)則(Rule)，然后對(duì)文章，句子進(jìn)行語(yǔ)法分析預(yù)處理，再利用語(yǔ)法分析的結(jié)果和先前生成的抽取規(guī)則一起對(duì)文檔進(jìn)行信息抽取，最后把抽取的結(jié)果以記錄的形式輸出。根據(jù)上述方法并結(jié)合工程實(shí)際情況，設(shè)計(jì)了一個(gè)基于語(yǔ)義的信息抽取系統(tǒng)。 在本文中，提出了基于語(yǔ)義的信息抽取系統(tǒng)的總體框架、各主要模塊的設(shè)計(jì)，還著重說(shuō)明了基于語(yǔ)義的信息抽取方法。此外，還對(duì)本系統(tǒng)的實(shí)現(xiàn)