視頻搜索引擎中的精確文本信息抽取系統的設計與實現.pdf

1、本文設計和實現的精確文本信息抽取系統,是視頻搜索引擎中采集系統的一個獨立的子系統。在傳統搜索引擎中,要求對文本信息做網頁級別的提取,通過對文本生成摘要的方式來描述搜索結果。本文設計和實現的精確文本信息抽取系統與傳統搜索引擎提供的通用式文本處理方法不同,可以對網頁中的文本按照事先約定的信息點進行精確提取。以這些信息點內容來描述所搜索結果,比用摘要來描述更為準確有效,對于提供個性化服務的視頻搜索引擎來說更為適合。 本文設計和實現了兩

2、種以視頻網頁為單位的模板抽取文本系統。第一個系統采用人工標注規(guī)則模板抽取的方法,該方法的優(yōu)點是能做到準確無誤的提取文本信息,缺點是需要大量人工干預和維護的工作；為解決第一種方法存在的問題,本文設計和實現了另一種采用自動生成模板方法的文本信息抽取系統,它可以保證在最少人工干預的前提下自動生成模板,并根據模板精確的從網頁中抽取文本信息。 自動生成模板的文本信息抽取系統采用了樹的最小代價映射算法作為其核心算法,通過該算法對兩棵HTML