基于圖模型的Web表格中視覺信息的研究.pdf

1、Web包含了海量的文本與表格數(shù)據(jù)?，F(xiàn)今，自然語言處理技術(shù)對(duì)于Web數(shù)量級(jí)的自由格式的文本理解仍舊是一個(gè)艱難且費(fèi)時(shí)的課題。與非結(jié)構(gòu)化的文本信息相比，結(jié)構(gòu)化的Web表格所包含的信息更為精練，具有數(shù)據(jù)挖掘的意義。Web表格信息挖掘已成為一個(gè)熱點(diǎn)研究問題。Web表格信息挖掘主要分為兩個(gè)研究方向，一是根據(jù)已有的語料知識(shí)庫來理解表格，然而這種方法受限于語料庫;二是從視覺方面來挖掘表格的語義，這是本文的主要研究方向。
　　為了研究Web表格的視

2、覺信息，一種圖結(jié)構(gòu)的模型以及構(gòu)造方法被提出，該模型可以存儲(chǔ)Web表格的行列結(jié)構(gòu)、單元格背景、顏色、文本字體、字號(hào)、文本樣式等視覺信息，從而進(jìn)一步挖掘出其中所蘊(yùn)含的語義?；赪eb表格的圖模型，本文著重研究了兩個(gè)問題。一是Web表格的視覺并列關(guān)系，它被形式化定義;本文提出了一種算法能自動(dòng)抽取Web表格的視覺并列關(guān)系;實(shí)驗(yàn)表明所提取的視覺并列關(guān)系與語義相似度之間存在著顯著的正相關(guān)性。二是Web表格的展開方向，它蘊(yùn)含了豐富的語義關(guān)系，本文定義