基于XML的信息抽取管理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、隨著計(jì)算機(jī)軟件技術(shù)的發(fā)展和企業(yè)信息化工作的不斷推進(jìn)，企業(yè)擁有越來越多的應(yīng)用系統(tǒng)。通過Internet/Intranet人們可以方便快捷的訪問各種異構(gòu)、自治的信息源，而信息集成系統(tǒng)就是使用戶進(jìn)行無縫訪問這些信息，并通過提供一個(gè)統(tǒng)一的管理平臺(tái)來實(shí)現(xiàn)對(duì)信息源的信息提取與轉(zhuǎn)換。在信息集成上，主要研究方向由多數(shù)據(jù)庫(kù)信息集成轉(zhuǎn)為包含WEB信息的多數(shù)據(jù)源的信息集成。但由于Web上的信息集成必須以半結(jié)構(gòu)化數(shù)據(jù)模型和半結(jié)構(gòu)化數(shù)據(jù)模型抽取技術(shù)為前提，使得傳

2、統(tǒng)的集成方法受到很多限制。
　　如何將Web上的半結(jié)構(gòu)化的信息與結(jié)構(gòu)化的數(shù)據(jù)庫(kù)信息以及其他一些異構(gòu)信息源中的信息進(jìn)行抽取，并通過統(tǒng)一的描述方式進(jìn)行表示，是企業(yè)信息集成急需解決的問題?；赬ML方案的信息集成是針對(duì)企業(yè)信息的孤立性、異構(gòu)性等特點(diǎn)，以XML格式作為中間格式，進(jìn)行企業(yè)信息的抽取和存儲(chǔ)，以及以XML格式完成企業(yè)內(nèi)和企業(yè)間的信息共享，是一種簡(jiǎn)單有效的辦法。
　　本論文以信息抽取技術(shù)作為信息獲取手段，通過為不同類型的信息

3、源構(gòu)造信息抽取器，并將抽取的過程利用XML進(jìn)行統(tǒng)一的描述，從而在為異構(gòu)信息源信息集成方面做一些有意義的嘗試和探索。
　　論文基于XML技術(shù)建立了信息抽取管理系統(tǒng)，將企業(yè)內(nèi)不同的信息源進(jìn)行統(tǒng)一的管理，使用戶能夠透明地瀏覽多種數(shù)據(jù)源，為應(yīng)用層屏蔽數(shù)據(jù)源的差異。信息源中的信息可以分為Web頁(yè)面的半結(jié)構(gòu)化信息，數(shù)據(jù)庫(kù)以及XML文檔的結(jié)構(gòu)化信息。從信息源獲取XML格式的信息，并通過信息提取管理系統(tǒng)對(duì)信息源及XML提取結(jié)果進(jìn)行管理。著重研究了