WEB信息的抽取與集成.pdf

1、隨著計(jì)算機(jī)技術(shù)、通訊技術(shù)的飛速發(fā)展和個(gè)人計(jì)算機(jī)的普及,Internet作為新一代的信息載體和交流平臺(tái),在人們的生活、工作中扮演越來(lái)越重要的角色,尤其是它所蘊(yùn)涵的信息價(jià)值,越來(lái)越受到人們的重視.但是,Web上的數(shù)據(jù)是非結(jié)構(gòu)化或者是半結(jié)構(gòu)化的數(shù)據(jù),它只能被各種瀏覽器識(shí)別、解釋、顯示,卻不能被計(jì)算機(jī)或應(yīng)用程序所理解,不像傳統(tǒng)的數(shù)據(jù)庫(kù)數(shù)據(jù)那樣,有確定的模式結(jié)構(gòu)、有明確的語(yǔ)義信息、提供準(zhǔn)確高效的查詢(xún).如何從這些海量的數(shù)據(jù)中找出對(duì)自己有用的信息,為

2、我所用,這便是Web信息抽取的要求.目前的一些Web應(yīng)用程序,它們是針對(duì)具體的應(yīng)用的,往往采用人工的方法完成"包裝器"的生成,也就是將Web數(shù)據(jù)抽取的信息硬編碼到程度中,來(lái)實(shí)現(xiàn)數(shù)據(jù)的抽取工作.這樣一旦上述Web數(shù)據(jù)抽取信息發(fā)生了改變,都會(huì)導(dǎo)致源程序的修改與重新編譯,維護(hù)起來(lái)非常困難.該文總結(jié)了過(guò)去一些Web信息抽取技術(shù),針對(duì)現(xiàn)有一些Web應(yīng)用程序的不足與局限性,開(kāi)發(fā)了我們自己的信息抽取工具.該信息抽取工具在整體上采用抽取過(guò)程邏輯定義與抽