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),請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、中國科學(xué)技術(shù)大學(xué)碩士學(xué)位論文半格式化網(wǎng)頁信息提取與應(yīng)用姓名:于魯波申請學(xué)位級別:碩士專業(yè):信號與信息處理指導(dǎo)教師:俞能海邵正榮20080501Abs仃actABSTRACTWiththerapiddevelopmentoftheIntemetfasta11daccurateaccesstoinfomlationbecomesthebonleneckofthegrowingofindustryInte:met嬲the、^,orld’sla
2、rgeSt仃easureofinfomationresourceanractsmo佗跚dmorea牡entionThus,generalsearchengineappearsHowever,becauseofmeinfo咖ationoverJoadedproblem,itwillbringuselessinfo眥ationt0userS,verticalSearchhasbecomeanewhotspotBeingdi丘erentfo橢
3、generalsearch,verticaIsearchenginesonlyfocusoncertaina他asThrou曲initialextractionofwebinf0rmatioIl’ontheonehand,itcanimprovetheaccuracyofsearch;ontheomerhandbrowserSdonothaVeteadpagebypage,improVingreamnge仃iciencyThemainc
4、ontentOfthisthesisistechnologiesofconstructionontheverticaIsearchInmisthesis,welayemphasis0ndiscussiontheisSuesoftheEngIishwebpagekeywordex觚ctjon觚dproductwebpageinf0咖ationex燈actionThemainworkandinnovationsofthisthesisare
5、asfollows:1ProposeanEnglish、Ⅳebke”舊rdseXtractionalgorithmwhichisb硒edonpartofspeechg啪ularityThemethodfirStlyuses3一gramt0segmentsentenceint0phrases,gettingridofstopwordsatthes鋤etime;thengivesdifrerentmarkt0thecenterwordsan
6、dmordified、Ⅳords;atlastexportske”ⅣordsmroughsoftthresholdtechnologySowegenerate鋤uniVerSalkeyWordsextr:actionsystembasedonp礬ofspeechgranulari夠2ProposeanewSegmentationalgorithmf0fcommoditywebpageinfo咖atbnblocl(SThemethodis
7、basedon、ⅣebpageregularitystandardsproposedbythisthesisThethesisalsogivesthemathematicalexpressionofwebregularitystandardsInmisthesis,wefirstlyuseDOMtreet0representawebpage,XR氣:IH鼬mcturet0denoteaIeafnode;secondlycomputeth
8、ewebregular時;atlastthroughdoingtleXP!fqlHpathclusteringandthegettedwebregularityStatistic,thealgorithmcombinesheuristicrules,segmentSproductjnfomatjonbJocJ(S3ImplementaproductinfomationseXtractionalgorithmwhichiscombinat
9、ionofSegmentationmethodandwrappertooIThemethodappliedinthethesisfirStlyuseswebinfornlationblocksSegmentationalgorithmtosegmentproductinfo姍ationbIocl(S;thenutiIizesinstancecoVerageaIgorimmwhichisbasedontheDOMtoIe鋤sex咖ctio
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空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,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。
最新文檔
- Web網(wǎng)頁去噪及信息提取算法的研究與應(yīng)用.pdf
- 基于分塊的網(wǎng)頁信息提取算法研究及應(yīng)用.pdf
- 基于HTML網(wǎng)頁的Web信息提取研究.pdf
- 格式化文檔圖像模式提取及配準(zhǔn).pdf
- 格式化文件內(nèi)容提取與過濾關(guān)鍵技術(shù)研究
- 基于XML的半結(jié)構(gòu)化Web信息提取的研究.pdf
- 格式化文件內(nèi)容提取與過濾關(guān)鍵技術(shù)研究.pdf
- 電腦格式化方法
- 提示“磁盤未被格式化,是否格式化”的解決方法
- 面向動態(tài)網(wǎng)頁的定向信息提取模型的設(shè)計與實現(xiàn).pdf
- Web信息提取技術(shù)研究與應(yīng)用.pdf
- 科技文檔信息抽取與格式化技術(shù)研究.pdf
- 多格式文檔文本信息提取及分析技術(shù)研究與實現(xiàn).pdf
- 31246.礦化蝕變遙感信息提取研究與應(yīng)用
- 高速幀同步格式化器.pdf
- 基于節(jié)點類型標(biāo)注的網(wǎng)頁主題信息提取技術(shù)研究.pdf
- 基于網(wǎng)頁結(jié)構(gòu)聚類的Web信息提取技術(shù)研究.pdf
- 畢業(yè)論文(格式化).doc
- 網(wǎng)絡(luò)信息提取與分析技術(shù).pdf
- 格式化文檔的教學(xué)設(shè)計
評論
0/150
提交評論