Web信息抽取系統(tǒng)SEU-WIE設(shè)計(jì)與實(shí)現(xiàn).pdf

1、隨著Intemet應(yīng)用的逐漸普及，www己經(jīng)發(fā)展成為一個(gè)巨大的分布式信息空間。但因Intenet所固有的開放性、動(dòng)態(tài)性與異構(gòu)性，又使得用戶很難準(zhǔn)確快捷地從www上獲取所需信息。如何快速、準(zhǔn)確的從浩瀚的信息資源中尋找到所需信息已經(jīng)成為一個(gè)難題。Web信息抽取技術(shù)正是在這樣的背景下應(yīng)運(yùn)而生，出現(xiàn)了各種各樣的抽取方法，但是這些抽取方式都有其應(yīng)用的局限性。 本文結(jié)合對(duì)Web信息抽取技術(shù)的研究以及一個(gè)實(shí)際項(xiàng)目的需求，設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)Web

2、信息抽取系統(tǒng)SEU-WIE。系統(tǒng)采用抽取規(guī)則定義與抽取規(guī)則執(zhí)行分開的方式，具有友好的用戶界面，此系統(tǒng)具有一定的通用性和靈活性。系統(tǒng)主要分為兩個(gè)部分，抽取規(guī)則的定義階段以及抽取規(guī)則的執(zhí)行階段。在抽取規(guī)則的定義階段，首先將網(wǎng)頁的HTML結(jié)構(gòu)轉(zhuǎn)換成XHTML，生成對(duì)應(yīng)的DOM樹，然后由用戶指定待抽取信息的位置以及對(duì)應(yīng)的目的表的模式，最后根據(jù)這些信息生成抽取規(guī)則。在抽取規(guī)則執(zhí)行階段，系統(tǒng)首先根據(jù)用戶定義的抽取規(guī)則通過XPath獲取感興趣的數(shù)據(jù)塊