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)行舉報或認(rèn)領(lǐng)
文檔簡介
1、Web信息抽取(Web Information Extraction)是當(dāng)前Web信息處理中的重要課題。其主要任務(wù)是對頁面中的目標(biāo)數(shù)據(jù)進(jìn)行分析,進(jìn)而進(jìn)行語義標(biāo)注。具有語義標(biāo)記的數(shù)據(jù)可精確地回答用戶的查詢,有極廣闊的應(yīng)用前景。目前,Web信息抽取技術(shù)以知識工程、自然語言處理和統(tǒng)計學(xué)習(xí)為基礎(chǔ)。其中基于統(tǒng)計學(xué)習(xí)的技術(shù)是當(dāng)前研究的熱點。 本文將信息抽取問題分為特征獲取、頁面淺語義化表示和信息抽取(語義標(biāo)注)三個部分,分別進(jìn)行研究,并通過
2、實驗分析來驗證方法的有效性。 在特征提取部分引入了文本主題和頁面分隔線兩類特征。在比較特征權(quán)重計算、特征選擇方法、分類器和中文分詞技術(shù)的基礎(chǔ)上,構(gòu)建并簡化了用于獲取文本主題特征的文本分類模塊。在Sogou語料庫上兩次文本分類實驗的平均F1值為81.25%。本文還將圖像識別方法用于頁面分隔線的提取,實驗表明該方法能較為準(zhǔn)確地提取頁面分隔線。 在頁面淺語義化表示部分,首先提出了簡化HTML布局規(guī)則和頁面代碼的頁面結(jié)構(gòu)調(diào)整算法
3、,該算法用HTML擴(kuò)展子集重新描述頁面,這種最簡描述較好地解決了因頁面模型復(fù)雜化而導(dǎo)致算法適應(yīng)能力下降的問題。然后研究了基于分隔線和混合距離的頁面分塊算法,以分離頁面中內(nèi)容不相關(guān)的塊,獲取頁面的塊語義。實驗表明,在分塊任務(wù)中結(jié)構(gòu)調(diào)整和分隔線特征分別使F1值提高了+8.43%和+12.8%。 在信息抽取部分,將層次條件隨機(jī)域(HCRF)模型用于標(biāo)注頁面數(shù)據(jù)的語義。研究了頁面特征組合,以及頁面淺語義化表示和文本主題特征對信息抽取性能
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(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
- 基于條件隨機(jī)域的Web信息抽取研究.pdf
- 基于本體的Web頁面結(jié)構(gòu)化信息抽取.pdf
- 基于視覺特征的Web頁面信息抽取算法.pdf
- 基于視覺特征的WEB頁面信息抽取技術(shù)的研究.pdf
- 基于語義的web信息抽取技術(shù)研究
- 動態(tài)頁面的web信息抽取方法研究.pdf
- 基于語義的Web信息抽取技術(shù)研究.pdf
- 基于頁面主體提取的WEB信息抽取技術(shù)研究.pdf
- Web頁面鏈接文本信息抽取與分類的研究.pdf
- 基于語義的Web信息抽取方法的研究與應(yīng)用.pdf
- Web頁面語義信息提取方法的研究.pdf
- Web頁面用戶評論信息抽取技術(shù)研究.pdf
- 基于框架語義標(biāo)注的Web信息抽取技術(shù)研究.pdf
- 基于頁面結(jié)構(gòu)分析的語義數(shù)據(jù)抽取方法研究.pdf
- Web頁面結(jié)構(gòu)化數(shù)據(jù)抽取的研究與實現(xiàn).pdf
- 基于條件隨機(jī)場的科研論文信息分層抽取研究.pdf
- 基于語義信息的移動Web頁面轉(zhuǎn)換設(shè)計與實現(xiàn).pdf
- 基于視覺分塊與語義DOM的Deep Web信息抽取研究.pdf
- 面向信息抽取的Web頁面結(jié)構(gòu)挖掘技術(shù)研究.pdf
- 基于分類語義的Web信息抽取機(jī)制的研究與實現(xiàn).pdf
評論
0/150
提交評論