2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩64頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

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(bào)或認(rèn)領(lǐng)

文檔簡介

1、互聯(lián)網(wǎng)上信息爆炸,如何準(zhǔn)確、快速地檢索出所需的信息以及更有效的利用這些信息,成為亟待解決的問題。在信息集成系統(tǒng)IIS(Information Integration System)中,如何整合各種異質(zhì)的Web數(shù)據(jù)源并對上層應(yīng)用提供統(tǒng)一的接口,為系統(tǒng)提供了最廣泛、最龐大和實(shí)時(shí)的數(shù)據(jù),是Web信息抽取系統(tǒng)必須解決的問題。 本文研究的重點(diǎn)包括Web信息抽取規(guī)則和抽取系統(tǒng)框架兩部分,提出并實(shí)現(xiàn)了面向領(lǐng)域的信息抽取框架,對Web頁面自適應(yīng)

2、地采用DOM和NLP的方法進(jìn)行抽取。Wrapper的核心是抽取規(guī)則,即源映射目標(biāo)模式的描述。 本文提出的基于DOM映射的信息抽取方法,采用標(biāo)準(zhǔn)的XML技術(shù)操縱Web頁面,通過歸納學(xué)習(xí)獲取抽取規(guī)則,執(zhí)行規(guī)則解釋引擎獲取抽取結(jié)果。對于非數(shù)據(jù)導(dǎo)向型的Web頁面,引入NLP領(lǐng)域相關(guān)理論,結(jié)合Web頁面標(biāo)簽的特點(diǎn),將數(shù)據(jù)源轉(zhuǎn)化為分詞/分類處理,采用匹配觸發(fā)的模式,在觸發(fā)事件中計(jì)算語義距離來確定所需抽取的信息項(xiàng)。基于NLP的抽取方法彌補(bǔ)DO

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(shí)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。

評論

0/150

提交評論