版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、隨著互聯(lián)網(wǎng)的發(fā)展,網(wǎng)絡成為人們獲取自己需要的信息的重要途徑,Web信息抽取是一種可以從Web頁面信息中抽取出結(jié)構(gòu)化的信息的技術(shù),為人們從浩瀚如海的internet網(wǎng)上獲取信息提供了便利,包裝器技術(shù)就是其中的一種。然而現(xiàn)在Web頁面上的信息變得越來越密集,一個頁面可能會提供具有不同含義的數(shù)據(jù)塊信息,這種頁面被稱作多個信息塊Web頁面。在以往的Web信息抽取技術(shù)中,包裝器大部分針對只含有一個信息塊的Web頁面,而不適用于這種多個信息塊Web
2、頁面。因此針對以往包裝器的適應性缺點,本文提出了一種對應信息塊的子樹模型的表示方法,在這個子樹模型的基礎(chǔ)上提出了一種基于樹模型的多包裝器生成算法,并設計了基于樹模型的多包裝器信息抽取系統(tǒng)。
基于樹模型的多包裝器信息抽取系統(tǒng)首先將多信息塊Web頁面解析為DOM樹,然后通過一種基于DOM樹的頁面分塊方法將多信息塊Web頁面分塊形成多個子樹模型,每個信息塊均對應一個子樹模型,提出一種KEY-SubTree的表示方法用來表示子樹模
3、型,為每個子樹模型賦予KEY-Value值用來區(qū)分彼此,因此可以根據(jù)KEY-Value值劃分形成以KEY-Value值為區(qū)別關(guān)鍵詞的KEY-SubTree集合。最后在多包裝器生成過程中,根據(jù)Tree-align算法的思想提出一種基于樹模型的多包裝器生成算法——Multi-wrapper算法,并用它以KEY-SubTree集合為對象生成各個信息塊對應的包裝器,使得頁面中的每個信息塊對應一個包裝器,生成了多個包裝器。將這多個包裝器放入一個包
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于包裝器模型的信息抽取算法研究.pdf
- 基于包裝器模型的文本信息抽取算法研究.pdf
- 基于分塊的Web信息抽取系統(tǒng)研究.pdf
- 基于概念圖和語義角色的多領(lǐng)域信息抽取系統(tǒng)研究.pdf
- 基于信息抽取的實體知識庫系統(tǒng)研究.pdf
- 基于XML的WEB信息抽取系統(tǒng)研究與實現(xiàn).pdf
- 基于包裝器的web信息抽取算法實現(xiàn)【畢業(yè)論文】
- 基于WEB信息抽取的企業(yè)競爭情報系統(tǒng)研究.pdf
- 基于樹自動機的Web信息抽取.pdf
- 基于多Agent的信息家居系統(tǒng)研究.pdf
- 基于本體的電子商務信息抽取系統(tǒng)研究.pdf
- 基于EM算法和DOM樹的WEB信息抽取的研究.pdf
- 基于DIV標簽樹的網(wǎng)頁主題信息抽取方法.pdf
- 基于多傳感器信息融合的輪胎壓力監(jiān)測系統(tǒng)研究.pdf
- 基于多傳感器信息融合技術(shù)的汽車防盜系統(tǒng)研究.pdf
- 基于DOM樹信息抽取的移動網(wǎng)站開發(fā)研究.pdf
- 基于多傳感器信息融合的建筑環(huán)境檢測系統(tǒng)研究.pdf
- 基于多傳感器信息融合技術(shù)的火災探測系統(tǒng)研究.pdf
- 文本信息抽取與分類系統(tǒng)研究與設計.pdf
- 基于多學習方式的信息抽取技術(shù)研究.pdf
評論
0/150
提交評論