企業(yè)關(guān)系挖掘技術(shù)研究.pdf

1、隨著互聯(lián)網(wǎng)電子商務的興起，越來越多的企業(yè)將企業(yè)信息發(fā)布在網(wǎng)絡(luò)上。這種渠道使企業(yè)的經(jīng)營市場不再受時間和空間的限制，各企業(yè)無論大小擁有一樣的信息資源。但是對于企業(yè)而言，如何從浩瀚的Internet上獲取感興趣的企業(yè)信息，如何尋找企業(yè)的潛在競爭對手及潛在合作企業(yè)，對企業(yè)的經(jīng)營決策和生存發(fā)展都有著極其重要的意義，企業(yè)關(guān)系挖掘技術(shù)研究就是在這一環(huán)境下產(chǎn)生的。
　　本文的研究工作包含兩方面內(nèi)容：企業(yè)信息抽取和關(guān)系挖掘。
　　本文利用了基

2、于DOM的抽取方法抽取企業(yè)信息。首先利用網(wǎng)絡(luò)爬蟲從企業(yè)門戶網(wǎng)站爬取企業(yè)網(wǎng)頁，由于來自同一個網(wǎng)站的網(wǎng)頁在結(jié)構(gòu)上具有很大的相似性。本文利用DOM Tree對企業(yè)網(wǎng)頁進行解析，首先借用HTML Tidy將HTML格式網(wǎng)頁轉(zhuǎn)化為XML格式，然后根據(jù)規(guī)則進行信息節(jié)點定位，抽取需要的企業(yè)數(shù)據(jù)信息。
　　在關(guān)系挖掘上嘗試了兩種方法：基于文本相似度的方法和基于領(lǐng)域Ontology的方法。基于文本相似度的方法利用抽取的部分企業(yè)信息作為代表企業(yè)的文本

3、，將企業(yè)間的文本相似度值作為判定企業(yè)競爭關(guān)系的依據(jù)。本文中以向量空間模型表示企業(yè)文本并進行文本相似度計算，并基于此方法進行了實驗驗證。
　　基于領(lǐng)域Ontology的企業(yè)關(guān)系挖掘首先對所分析的產(chǎn)品領(lǐng)域構(gòu)建領(lǐng)域本體，本文詳細分析了領(lǐng)域本體的構(gòu)建過程并借助斯坦福大學開發(fā)的Protégé本體構(gòu)建工具針對計算機領(lǐng)域構(gòu)建了一個 Ontology，并利用Jena解析Ontology文件。通過設(shè)定規(guī)則對產(chǎn)品的關(guān)系產(chǎn)品進行推理查詢，針對企業(yè)產(chǎn)品查