2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩53頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、隨著互聯(lián)網(wǎng)的迅猛發(fā)展,“信息過(guò)載”已經(jīng)成為一個(gè)亟待解決的問題。為了使用戶準(zhǔn)確獲取他想要的信息,信息抽取成為必要。從網(wǎng)頁(yè)中抽取信息的程序稱為Wrapper。關(guān)鍵的任務(wù)是:Wrapper的構(gòu)造要盡可能快速,不需要過(guò)多人為地參與,并且,構(gòu)造出的Wrapper要盡可能健壯,能適應(yīng)網(wǎng)頁(yè)的變化,同時(shí),還要盡可能通用,與具體網(wǎng)站無(wú)關(guān)。針對(duì)Wrapper生成問題,人們提出了各種各樣的方法。這些方法的抽取模式語(yǔ)言基本上都是自己定制的,往往很簡(jiǎn)單、難以描述

2、精確或者復(fù)雜的信息抽取模式。盡管通過(guò)人為標(biāo)記的樣本可以自動(dòng)歸納出抽取規(guī)則,但這些抽取規(guī)則很難達(dá)到很高的精度、健壯性和通用性。本文使用標(biāo)準(zhǔn)的XML技術(shù)來(lái)解決網(wǎng)頁(yè)信息抽取問題?;跇?biāo)準(zhǔn)的XSLT,可以利用它強(qiáng)大而且靈活的特性編寫簡(jiǎn)單、健壯和通用的抽取規(guī)則。為了快速的構(gòu)造抽取規(guī)則,我們開發(fā)了一個(gè)信息抽取平臺(tái)。由于抽取規(guī)則的失效主要源于XPath路徑表達(dá)式的失效,所以本文還對(duì)抽取規(guī)則的優(yōu)化方法作了研究,提出了幾種改進(jìn)的信息定位方法,并且從實(shí)際應(yīng)

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論