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),請進行舉報或認領
文檔簡介
1、表格作為網(wǎng)頁的一部分,它簡單,容易使用,是一個非常常見的表示圖解,而且表格里面蘊含豐富的信息,所以它對信息抽取,數(shù)據(jù)挖掘等領域具有很大的吸引力。表格里面的內(nèi)容可以為我們提供了豐富的信息,是一個寶貴的知識來源,因此從表格中抽取信息是一個很值得研究的課題。
本文通過分析半結(jié)構(gòu)化表格的布局和內(nèi)容方面的特性,發(fā)現(xiàn)了表格的特征,提出了用最大熵方法進行訓練。為了提高訓練的精度,本文在選取特征的時候,考慮到了表格的跨多行、跨多列等的布局特征
2、。本文把半結(jié)構(gòu)化文本中的表格信息抽取技術(shù)研究分為兩個部分:第一個部分是表格的識別工作,第二個部分是表格信息抽取工作。
第一部分的表格識別研究,由于目前的啟發(fā)式規(guī)則的方法取得的F度量不是太高,決策樹方法比啟發(fā)式規(guī)則的方法取得的F度量高,并且目前的表格識別研究沒有用最大熵模型的?;谶@兩種原因,所以本文提出了用最大熵模型來進行表格識別,并和目前研究的F度量比較高的決策樹方法進行比較,比較的時候選用了相同的語料庫和特征。在運用最大熵
3、模型訓練選取特征的時候,本文分析了表格的布局特征與內(nèi)容特征,發(fā)現(xiàn)內(nèi)容特征比布局特征更能反映出表格的特性。本文把布局特征和內(nèi)容特征結(jié)合起來作為表格的特征,利用多個專業(yè)領域的網(wǎng)頁作為語料庫進行訓練,通過多次的迭代試驗,證明了最大熵方法能夠很好的解決表格識別問題,對表格識別的F度量能夠達到91.31%,超過了決策樹方法(F度量為87.87%)。試驗驗證了最大熵在處理大訓練語料庫的時候比決策樹方法有優(yōu)勢,主要是因為決策樹分類算法缺乏伸縮性,進行
4、深度優(yōu)先搜索時,受內(nèi)存大小限制。
第二個部分的表格信息提取研究,本文提出了用HTML Tidy工具來解決網(wǎng)頁源代碼中存在的很多不規(guī)范問題,比如丟失標簽,標簽順序混亂等等。對于表格的內(nèi)容抽取,本文簡單介紹了基于Wrapper的提取方法和基于Dom的提取方法,因為Dom方法更適合于提取結(jié)構(gòu)化的信息,而表格里面的內(nèi)容恰好具有“屬性-值”這樣的結(jié)構(gòu)化特性,所以在表格信抽取系統(tǒng)中,本文采用了基于Dom的抽取方法來提取表格內(nèi)容。系統(tǒng)中,本
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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 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)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(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確性、安全性和完整性, 同時也不承擔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
- 半結(jié)構(gòu)化文本信息抽取系統(tǒng).pdf
- 半結(jié)構(gòu)化文本信息抽取方法研究及應用.pdf
- 半結(jié)構(gòu)化網(wǎng)頁的信息抽取技術(shù)研究.pdf
- 基于半結(jié)構(gòu)化文本信息抽取的簡歷識別系統(tǒng).pdf
- 半結(jié)構(gòu)化Web信息抽取研究.pdf
- 半結(jié)構(gòu)化的生物信息數(shù)據(jù)抽取技術(shù)的研究.pdf
- 面向領域的半結(jié)構(gòu)化Web信息抽取技術(shù).pdf
- 基于Web的半結(jié)構(gòu)化信息抽取方法研究.pdf
- 半結(jié)構(gòu)化網(wǎng)絡信息抽取技術(shù)及應用研究.pdf
- 半結(jié)構(gòu)化Web信息抽取技術(shù)及其應用研究.pdf
- 基于半結(jié)構(gòu)化文本抽取的FPGA驗證報告生成技術(shù)研究.pdf
- 基于反饋學習的半結(jié)構(gòu)化信息抽取方法研究.pdf
- 互聯(lián)網(wǎng)半結(jié)構(gòu)化信息抽取研究.pdf
- 半結(jié)構(gòu)化網(wǎng)頁中商品屬性抽取方法研究.pdf
- 基于模式匹配的結(jié)構(gòu)化信息抽取研究.pdf
- 半結(jié)構(gòu)化數(shù)據(jù)到結(jié)構(gòu)化數(shù)據(jù)的映射模式抽取與XML語義約束研究.pdf
- 基于分布式架構(gòu)的半結(jié)構(gòu)化Web論壇信息抽取系統(tǒng)的研究.pdf
- 基于OEM模型的半結(jié)構(gòu)化數(shù)據(jù)模式抽取算法研究.pdf
- 基于歸納規(guī)則的從半結(jié)構(gòu)化數(shù)據(jù)中進行信息抽取的方法的研究.pdf
- 基于本體的Web頁面結(jié)構(gòu)化信息抽取.pdf
評論
0/150
提交評論