基于領(lǐng)域本體的網(wǎng)絡(luò)信息抽取方法的研究與實(shí)現(xiàn).pdf

1、在網(wǎng)絡(luò)飛速發(fā)展的今天，Web已經(jīng)成為全球最大分布式共享信息資源。由于網(wǎng)頁(yè)結(jié)構(gòu)的復(fù)雜性、頁(yè)面動(dòng)態(tài)性和內(nèi)容的多樣性，使得人們?cè)诰W(wǎng)絡(luò)上搜索到有價(jià)值的信息非常困難。信息抽取技術(shù)可以有效的將網(wǎng)絡(luò)中的信息提取出來(lái)，轉(zhuǎn)化為一定的格式，從而使得信息獲取變得簡(jiǎn)單快捷。
　　本文研究了本體及領(lǐng)域本體的相關(guān)概念，深入分析了本體構(gòu)建的方法和規(guī)則，在此基礎(chǔ)上提出了一種基于領(lǐng)域本體的網(wǎng)絡(luò)信息抽取方法。該方法中，待抽取的網(wǎng)頁(yè)自動(dòng)同已構(gòu)建的領(lǐng)域本體中的概念、屬性

2、、關(guān)系進(jìn)行模式匹配，并進(jìn)行相應(yīng)的預(yù)處理和語(yǔ)法分析，然后按照抽取規(guī)則對(duì)預(yù)處理后的網(wǎng)頁(yè)文檔進(jìn)行信息抽取，最后將抽取結(jié)果存儲(chǔ)為信息文檔格式或者直接保存在數(shù)據(jù)庫(kù)。由于基于領(lǐng)域本體的信息抽取技術(shù)對(duì)頁(yè)面結(jié)構(gòu)沒(méi)有依賴性，所以通過(guò)領(lǐng)域本體來(lái)描述待抽取的知識(shí)庫(kù)進(jìn)一步增強(qiáng)了信息抽取模板的語(yǔ)義表達(dá)能力，同時(shí)在特定的領(lǐng)域進(jìn)行抽取信息，能夠較大程度的提高信息抽取的正確率。
　　本文在上述基礎(chǔ)上構(gòu)建了計(jì)算機(jī)操作系統(tǒng)課程（Operation System Co