基于XML的信息抽取和集成模型的研究與設(shè)計(jì).pdf

1、隨著近幾年Internet的飛速發(fā)展，雖然Web已經(jīng)發(fā)展成為了一個(gè)巨大的分布和共享信息資源的平臺(tái)，但是如何從Web中快速和有效地獲取信息仍然是困擾著Web用戶的一個(gè)問(wèn)題。在這樣的背景下，出現(xiàn)了Web信息抽取技術(shù)，Web信息抽取技術(shù)是從信息抽取技術(shù)中衍生出來(lái)的，它繼承和發(fā)展了信息抽取領(lǐng)域的一些關(guān)鍵技術(shù)，同時(shí)，XML技術(shù)出現(xiàn)后，迅速成為了互聯(lián)網(wǎng)信息表示的標(biāo)準(zhǔn)。本文就是把傳統(tǒng)的信息抽取技術(shù)同XML，技術(shù)結(jié)合起來(lái)，在Web信息抽取過(guò)程中起到了事

2、半功倍的效果。 本文首先對(duì)現(xiàn)有的信息抽取技術(shù)和XML技術(shù)加以研究，在此基礎(chǔ)上提出了適合XML，的通用的樹(shù)型結(jié)構(gòu)抽取規(guī)則，它能夠把Web上的數(shù)據(jù)抽取出來(lái)整合到指定模式的XML，文檔中去。Web信息抽取出來(lái)，用戶如果不能夠隨心所欲地加以利用，那么將是毫無(wú)價(jià)值的。所以，抽取信息的數(shù)據(jù)集也是Web信息抽取過(guò)程當(dāng)中不可忽視的一個(gè)子過(guò)程。那么，如何把抽取出來(lái)的數(shù)據(jù)準(zhǔn)確地映射到目標(biāo)數(shù)據(jù)庫(kù)中也是本文需要研究的范疇。同時(shí)，為了方便用戶對(duì)抽取出的數(shù)