基于網(wǎng)站語義結(jié)構(gòu)的信息抽取系統(tǒng)的研究與實(shí)現(xiàn).pdf

1、本文提出了一種新型的基于網(wǎng)站語義結(jié)構(gòu)的信息自動(dòng)抽取機(jī)制，意在從網(wǎng)站邏輯結(jié)構(gòu)所體現(xiàn)的網(wǎng)站本身語義入手進(jìn)行網(wǎng)頁(yè)信息抽取，以使得計(jì)算機(jī)在一定程度上理解信息的含義，達(dá)到使信息抽取更為有效的目的。 構(gòu)建了一個(gè)基于網(wǎng)站語義結(jié)構(gòu)的信息抽取系統(tǒng)，系統(tǒng)由三個(gè)主要部分組成：網(wǎng)站網(wǎng)頁(yè)搜索器，網(wǎng)站語義結(jié)構(gòu)生成器，網(wǎng)頁(yè)信息抽取器。由網(wǎng)站網(wǎng)頁(yè)搜索器對(duì)目標(biāo)網(wǎng)站進(jìn)行搜索，提供網(wǎng)站的鏈接關(guān)系以生成網(wǎng)站有向圖，提供采集回的頁(yè)面以進(jìn)行信息提??；由網(wǎng)站語義結(jié)構(gòu)生成器在

2、網(wǎng)站管理者對(duì)網(wǎng)頁(yè)內(nèi)容的理解所進(jìn)行分類的基礎(chǔ)上，將網(wǎng)站有向圖(網(wǎng)站的物理結(jié)構(gòu))轉(zhuǎn)換為網(wǎng)站的語義結(jié)構(gòu)，即得到一個(gè)按照網(wǎng)站語義分類得到的分類關(guān)系結(jié)構(gòu)圖；由網(wǎng)頁(yè)信息抽取器在得到的分類關(guān)系的基礎(chǔ)上對(duì)網(wǎng)頁(yè)進(jìn)行信息抽取，進(jìn)而抽取出相關(guān)信息。 實(shí)現(xiàn)了網(wǎng)站Spider，可對(duì)網(wǎng)站遍歷采集，生成網(wǎng)站有向圖，對(duì)網(wǎng)站spider實(shí)現(xiàn)的一些關(guān)鍵問題進(jìn)行了詳細(xì)闡述；提出了基于網(wǎng)站語義的網(wǎng)頁(yè)分類，并在網(wǎng)站有向圖的基礎(chǔ)上依據(jù)網(wǎng)站網(wǎng)頁(yè)語義分類進(jìn)一步生成可以反映網(wǎng)站