基于語義的網(wǎng)上股評(píng)信息的提取研究.pdf

1、每天眾多的財(cái)經(jīng)網(wǎng)站會(huì)發(fā)布股票信息，這些信息數(shù)據(jù)量巨大、存在大量冗余和容易混淆的數(shù)據(jù)，一般的用戶需要花費(fèi)很多時(shí)間才能獲得自己想要的股評(píng)信息。本文從國內(nèi)互聯(lián)網(wǎng)股評(píng)及網(wǎng)上信息抽取技術(shù)的分析入手，對(duì)網(wǎng)上股評(píng)信息的提取進(jìn)行研究，具體工作如下：
　　 (1)采用網(wǎng)絡(luò)蜘蛛的信息抽取技術(shù)實(shí)現(xiàn)了對(duì)網(wǎng)頁上的信息提取。在網(wǎng)頁中先定位到用戶所需信息的鏈接的URL，并把這些URL放入等待抓取的隊(duì)列中；然后依次下載每個(gè)URL對(duì)應(yīng)的網(wǎng)頁，對(duì)其HTML文檔進(jìn)行

2、結(jié)構(gòu)化分析，從中查找股票信息。
　　 (2)建立股評(píng)特征信息的詞庫。首先，根據(jù)對(duì)財(cái)經(jīng)網(wǎng)站上的大量股評(píng)信息進(jìn)行特征分析，找出既頻繁出現(xiàn)、又能表示股票趨勢(shì)的特征詞匯。其次，由于所研究的股評(píng)信息具有前半句常為描述股票特征、后半句給出操作建議的結(jié)構(gòu)，所以，對(duì)股評(píng)信息的前半句的分析得到描述股評(píng)的多特征詞匯，有時(shí)表示為一個(gè)特征，有時(shí)需要用結(jié)合兩個(gè)特征詞描述，綜合分析后可將這些特征詞匯后建立特征詞庫、結(jié)合詞庫；對(duì)股評(píng)信息的后半句分析得到的建議

3、詞匯可組成建議詞庫。最后，對(duì)特征詞庫、結(jié)合詞庫、建議詞庫三個(gè)詞庫中的特征詞匯進(jìn)行總結(jié)。
　　 (3)利用所建立的特征詞庫對(duì)股評(píng)信息進(jìn)行解析。首先從特征詞庫中依次取出特征詞，與股評(píng)信息進(jìn)行匹配，解析出第一特征詞和第二特征詞；如果特征詞庫中沒有可以匹配的詞匯，則從結(jié)合詞庫中依次取詞匹配，根據(jù)解析出的第一特征詞，然后匹配出第二特征詞。在解析股評(píng)信息的前半句后繼續(xù)解析后半句中的建議詞，過程同特征詞庫匹配類似。解析得到特征信息后就通過已定