版權(quán)說明: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),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、近十幾年來,隨著互聯(lián)網(wǎng)的快速普及與發(fā)展,網(wǎng)上的應(yīng)用越來越豐富,信息量更是呈指數(shù)級、爆炸式增長?;ヂ?lián)網(wǎng)已經(jīng)日益成為了人們獲取信息的最重要的資源。然而,面對著如此海量的信息,人們想要獲取真正感興趣的信息也越來越難了。搜索引擎雖然可以幫助人們在浩如煙海的信息海洋中搜尋到自己所需要的信息。但是,傳統(tǒng)的搜索引擎屬于海量搜索,具有信息量大、查詢不準(zhǔn)確、深度不夠等特點(diǎn)。對網(wǎng)上的許多非常有用的數(shù)據(jù),例如電話黃頁、產(chǎn)品目錄、股票行情、工作信息、房源信息等
2、,傳統(tǒng)的搜索引擎將無能為力。 所以,本文設(shè)計了一個網(wǎng)站抽取系統(tǒng),把來源分散的同一主題的數(shù)據(jù)自動抽取并整合后存放到關(guān)系數(shù)據(jù)庫中。然后根據(jù)需要,將這些數(shù)據(jù)提供給不同的應(yīng)用系統(tǒng)使用,就可以使用戶很容易地獲得他們真正需要的信息了。 本文中設(shè)計的系統(tǒng)是一個規(guī)則驅(qū)動的網(wǎng)站數(shù)據(jù)抽取平臺,使用它進(jìn)行數(shù)據(jù)抽取時,不需要對每一個具體的網(wǎng)站編寫專門的程序。但需要針對每一個具體的網(wǎng)站定義不同的抽取規(guī)則。它要求用戶首先選定并瀏覽樣本頁面,根據(jù)對頁
3、面內(nèi)容的理解創(chuàng)建概念模式,即采用人工方式為樣本頁面附加語義信息;然后對樣本頁面中的樣本記錄進(jìn)行標(biāo)記,通過機(jī)器學(xué)習(xí)的方法形成信息抽取規(guī)則:最后,系統(tǒng)利用已形成的抽取規(guī)則對具有相似結(jié)構(gòu)的網(wǎng)頁實(shí)現(xiàn)信息抽取。 本文中設(shè)計的抽取系統(tǒng)的工作對象是包含大量關(guān)系型數(shù)據(jù)的網(wǎng)站,這些數(shù)據(jù)中的每一條記錄都可以歸結(jié)到“名稱一屬性”的集合的形式。針對可能的網(wǎng)站結(jié)構(gòu),本文歸納總結(jié)出了目錄導(dǎo)航型和查詢返回型兩種基本網(wǎng)站結(jié)構(gòu),并分別從網(wǎng)站首頁出發(fā),導(dǎo)出了包含目
溫馨提示
- 1. 本站所有資源如無特殊說明,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)頁內(nèi)容里面會有圖紙預(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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對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, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 一種網(wǎng)站保護(hù)系統(tǒng)的分析與設(shè)計.pdf
- 一種持續(xù)數(shù)據(jù)保護(hù)系統(tǒng)的設(shè)計與實(shí)現(xiàn).pdf
- 對一種SOC總線系統(tǒng)的驗證.pdf
- 一種網(wǎng)站個性化系統(tǒng)的設(shè)計.pdf
- 一種新型抗輻照SRAM的設(shè)計與驗證.pdf
- 一種WEB日志數(shù)據(jù)挖掘系統(tǒng)的設(shè)計與實(shí)現(xiàn).pdf
- 一種非結(jié)構(gòu)化數(shù)據(jù)中醫(yī)知識抽取與關(guān)聯(lián)的方法.pdf
- 一種目標(biāo)識別算法驗證平臺的設(shè)計與實(shí)現(xiàn)——數(shù)據(jù)存儲與處理.pdf
- 一種scada系統(tǒng)數(shù)據(jù)采集模塊的設(shè)計與實(shí)現(xiàn)
- 一種持續(xù)數(shù)據(jù)保護(hù)系統(tǒng)的設(shè)計與實(shí)現(xiàn)(1)
- 一種船舶吃水檢測數(shù)據(jù)采集系統(tǒng)的設(shè)計與實(shí)現(xiàn).pdf
- 一種基于IP復(fù)用的GPS系統(tǒng)設(shè)計及其FPGA驗證.pdf
- 一種新型數(shù)據(jù)傳輸系統(tǒng)設(shè)計與實(shí)現(xiàn).pdf
- 一種移動數(shù)據(jù)庫同步系統(tǒng)的設(shè)計與實(shí)現(xiàn).pdf
- 一種基于數(shù)據(jù)挖掘的量化投資系統(tǒng)的設(shè)計與實(shí)現(xiàn).pdf
- 一種基于MicroBlaze的數(shù)字硅陀螺閉環(huán)驅(qū)動系統(tǒng)的設(shè)計與驗證.pdf
- 一種環(huán)形片上互連網(wǎng)絡(luò)的設(shè)計與驗證.pdf
- 一種數(shù)據(jù)庫模式匹配驗證方法研究.pdf
- 一種基于本體的音樂數(shù)據(jù)集成系統(tǒng)的設(shè)計與實(shí)現(xiàn).pdf
- 一種高性能數(shù)據(jù)庫應(yīng)用系統(tǒng)的設(shè)計與實(shí)現(xiàn).pdf
評論
0/150
提交評論