基于搜索引擎的商品信息抽取與融合的研究及實(shí)現(xiàn).pdf

1、隨著Intemet應(yīng)用的逐漸普及，WWW已經(jīng)發(fā)展成為一個(gè)巨大的分布式信息空間，為用戶提供了一個(gè)極具有價(jià)值的信息源。在利用搜索引擎進(jìn)行Intemet信息檢索時(shí)，經(jīng)常會(huì)出現(xiàn)“信息過載”的問題，使得用戶不知道如何更有效地利用資源。如何快速、準(zhǔn)確地從大量的搜索結(jié)果中抽取出所需的且比較一致的信息，而不必一一瀏覽、對(duì)比，已經(jīng)成為困擾用戶的一大難題。 本文主要研究了在搜索引擎的基礎(chǔ)上，使用Web信息抽取技術(shù)對(duì)商品信息，尤其是對(duì)價(jià)格進(jìn)行在線抽取

2、方法，并利用信息融合技術(shù)對(duì)抽取到的價(jià)格進(jìn)行空間融合，完成較權(quán)威的價(jià)格參考，最終提交給用戶一個(gè)完整的信息視圖。 為了實(shí)現(xiàn)商品信息的在線抽取模型，本文對(duì)現(xiàn)有的Web信息抽取技術(shù)做了深入研究，在對(duì)商品信息網(wǎng)頁(yè)進(jìn)行大量的分析、比對(duì)的基礎(chǔ)上，引入了Html解析器——HtmlParser和正則表達(dá)式，提出了一套針對(duì)商品信息的Web信息抽取策略，并設(shè)計(jì)了與之對(duì)應(yīng)的算法。該模型(算法)具有自動(dòng)信息定位的能力。在融合模型中，把抽取得到的價(jià)格集合，