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83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、隨著互聯(lián)網(wǎng)的快速發(fā)展,Web已成為人們獲取信息的重要來源。為了滿足人們不斷增長的從互聯(lián)網(wǎng)上獲取信息的需求,Web信息抽取技術(shù)不可避免地成為當(dāng)今研究的技術(shù)熱點(diǎn)。由于互聯(lián)網(wǎng)上的Web頁面往往具有多樣性、不規(guī)范性、包含信息復(fù)雜以及半結(jié)構(gòu)化等特性,這些特性為Web信息抽取技術(shù)帶來了很大的困難。如何使Web信息抽取技術(shù)不受Web頁面特性影響而具有通用性,并能精確地抽取頁面信息成為Web信息抽取技術(shù)亟待解決的問題。
   在對復(fù)雜的Web頁

2、面進(jìn)行信息抽取的過程中,Web頁面分塊技術(shù)成為目前研究的一個(gè)方向。然而,目前的Web頁面分塊算法多數(shù)利用單一特征信息對Web頁面進(jìn)行分塊,不能很好地應(yīng)對復(fù)雜多變的Web頁面類型。針對這種情況,本文提出了基于多特征的Web頁面分塊算法,該算法先將Web頁面分成若干個(gè)相互獨(dú)立的語義塊,再根據(jù)應(yīng)用的需要,從中選取具有相應(yīng)語義特征的語義塊進(jìn)行信息抽取。本文首先分析了Web頁面中的布局特征、顯示特征、語義特征和文檔結(jié)構(gòu)特征等多特征信息,建立了基于

3、多特征的Web頁面語義塊模型。在此基礎(chǔ)上,本文提出了基于多特征的Web頁面分塊算法MFPS,并闡述了MFPS分塊算法的基本思想和執(zhí)行過程。然后,本文重點(diǎn)闡述了MFPS分塊算法的實(shí)現(xiàn),其中分析并解決了相似塊識(shí)別的問題,闡述了包括單行類型、多行類型、多塊類型、行塊交替類型等類型的結(jié)點(diǎn)序列的合并方法,給出了包括語義類型、分割類型、多特征信息的識(shí)別方法,給出了MFPS分塊算法的形式化描述,并對MFPS分塊算法的性能做了分析。最后,本文提出了以M

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(huì)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(chǔ)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