2023年全國(guó)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54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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、萬維網(wǎng)(WWW)技術(shù)的不斷發(fā)展促進(jìn)了Web信息檢索(Web Information Retrieval,WIR)和Web信息抽取技術(shù)(Web Information Extraction,WIE)的迅猛發(fā)展,如何從Web中抽取相關(guān)信息引起了人們的廣泛關(guān)注。 Web信息檢索可用于從Web上的海量頁面中找到相關(guān)信息所在的頁面地址。與Web信息檢索不同,Web信息抽取可以從一個(gè)具體的Web頁面中抽取出相關(guān)信息,并以結(jié)構(gòu)化的形式描述。

2、 現(xiàn)有的Web信息抽取算法可以分為以下兩類:一是基于頁面半結(jié)構(gòu)化特征的信息抽取,例如html頁面結(jié)構(gòu)文法推斷(Grammar Inference)和頁面分段(Page Segmentation);二是基于自然語言文本特征的抽取,例如模版.槽填充(Template Filling)。與自然語言文本(Free TeXt)信息抽取相比,Web上某個(gè)具體領(lǐng)域中已標(biāo)記的頁面數(shù)量較少,因此如何在減少手工工作量的基礎(chǔ)上保證較高的信息抽取系統(tǒng)的精

3、度和召回率是有待解決的重要問題之一。 本文在分析現(xiàn)有信息抽取算法的基礎(chǔ)上,從DynamicView項(xiàng)目中信息抽取面臨的問題出發(fā),以準(zhǔn)確探測(cè)研究員主頁中的研究興趣為目的,設(shè)計(jì)了基于列表頁面導(dǎo)航特性和結(jié)構(gòu)模版規(guī)則參數(shù)學(xué)習(xí)的研究員主頁發(fā)現(xiàn)算法和基于頁面分段技術(shù)的研究興趣信息抽取算法。前者用于獲取研究員的姓名及其主頁地址,它將Web信息檢索技術(shù)和Web信息抽取技術(shù)結(jié)合,能夠高精度地獲取具有相同特征的頁面集合的問題。后者通過基于分隔符的頁

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(qǐng)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(qǐng)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(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論