基于特定領(lǐng)域的Web文本信息獲取系統(tǒng)的研究與設(shè)計(jì).pdf

1、隨著Internet應(yīng)用的普及，Web已成為人們獲取信息的一個(gè)主要來源，搜索引擎雖說是人們檢索Web信息的有力工具，但缺乏深入了解用戶需求的方法和策略，加上Web所具有的開放性、動(dòng)態(tài)性和異構(gòu)性，使得用戶(特別是特定領(lǐng)域的用戶)很難快速、準(zhǔn)確地從WWW上獲取所需的信息。如何發(fā)現(xiàn)對(duì)我們有用或有益的信息，免受無用或有害信息的侵?jǐn)_，是擺在我們面前一個(gè)值得研究的課題。 本文在討論了Web的發(fā)展、特點(diǎn)及現(xiàn)有搜索引擎所存在缺陷的基礎(chǔ)上，從特定

2、領(lǐng)域用戶獲取Web文本信息的實(shí)際應(yīng)用角度出發(fā)，通過從內(nèi)容和語義上指導(dǎo)Web信息的搜索，嘗試設(shè)計(jì)了一個(gè)基于特定領(lǐng)域的Web文本信息獲取系統(tǒng)模型，從實(shí)現(xiàn)技術(shù)上提出了這個(gè)系統(tǒng)的體系結(jié)構(gòu)、各組成模塊的主要特點(diǎn)及其功能。同時(shí)，著重研究了該系統(tǒng)的幾項(xiàng)關(guān)鍵技術(shù)：Robot技術(shù)、Web頁面內(nèi)容的分析和站點(diǎn)結(jié)構(gòu)的分析技術(shù)、中文文本的分類問題，包括中文的分詞、特征提取、特征匹配及權(quán)值計(jì)算等的綜合應(yīng)用技術(shù)。 論文最后對(duì)所做的工作進(jìn)行了總結(jié)，指出了這一