應(yīng)用于中文人名搜索引擎的Web信息提取技術(shù)研究.pdf

1、Web信息提取是指從Web文檔中自動提取出所需信息的過程。本文研究Web信息提取并應(yīng)用于面向主題的搜索引擎中，這里的主題是針對于中文入名的查找。 本文主要的工作是針對有關(guān)Web上中文人名的信息，研究Web信息提取技術(shù)，設(shè)計搜索引擎中的信息提取模塊，并進行實驗測試。本文從網(wǎng)頁內(nèi)容中提取關(guān)于人名的四個屬性(出生年份、職業(yè)、相關(guān)地點、相關(guān)機構(gòu))。 論文中詳細(xì)說明了信息提取模塊的系統(tǒng)流程設(shè)計和流程中各個子模塊的實現(xiàn)方法以及使用到

2、的具體技術(shù)。針對不同的人名網(wǎng)頁內(nèi)容類型，本文使用了相應(yīng)的提取模式的方法。對于“個人介紹類”網(wǎng)頁，本文使用了知識工程方法(KnowledgeEngineeringApproach)，人工構(gòu)建了模式庫；對于“個人活動類”網(wǎng)頁，本文使用了自動訓(xùn)練方法(AutomaticTrainingApproach)，提出了一種新的模式提取算法，用來自動地從訓(xùn)練集中提取模式。最后針對Web上的某一中文人名網(wǎng)頁集進行信息提取實驗，實驗證明信息提取模塊的處理效