數(shù)字圖書館中跨庫檢索系統(tǒng)關(guān)鍵技術(shù)研究.pdf

1、隨著Internet的迅猛發(fā)展，人們對(duì)高效率的信息獲取技術(shù)的需要越來越迫切，對(duì)海量信息進(jìn)行采集、分析、整理，得到高質(zhì)量的分門別類的結(jié)構(gòu)化信息，方便用戶快捷地瀏覽查詢，是極具現(xiàn)實(shí)意義的重大課題。 為適應(yīng)廣大師生教學(xué)和研究的需要，中國(guó)科學(xué)技術(shù)大學(xué)圖書館先后購(gòu)買了90多種網(wǎng)絡(luò)數(shù)據(jù)庫，涉及的門類非常齊全，為中國(guó)科大建設(shè)一流研究型大學(xué)打下了堅(jiān)實(shí)的基礎(chǔ)。由于各個(gè)數(shù)據(jù)庫的查詢界面以及查詢結(jié)果的返回界面各異；各個(gè)數(shù)據(jù)庫中信息不能統(tǒng)一起來為用戶提

2、供更深入的服務(wù)，基于這種情況，本論文利用脫機(jī)的跨庫檢索系統(tǒng)解決上述問題。 脫機(jī)檢索系統(tǒng)的最終目的是建立一個(gè)脫機(jī)的跨庫檢索系統(tǒng)，實(shí)現(xiàn)查詢界面和結(jié)果界面的統(tǒng)一化，同時(shí)深入挖掘文章的信息，為用戶提供更深入的服務(wù)。本文所研究的就是脫機(jī)跨庫檢索系統(tǒng)中兩個(gè)重要的技術(shù)：文章信息抽取和關(guān)鍵詞提取技術(shù)。本文的主要技術(shù)和創(chuàng)新點(diǎn)為： 1．針對(duì)圖書館各網(wǎng)絡(luò)數(shù)據(jù)庫文章信息的顯示結(jié)果都是同構(gòu)的網(wǎng)頁這一特征，本文提出了一種基于學(xué)習(xí)的抽取模板構(gòu)造方法。

3、這種基于學(xué)習(xí)的模板構(gòu)造方法只需要人工標(biāo)注兩個(gè)網(wǎng)頁即可生成模板，節(jié)省了構(gòu)造者的時(shí)間并且構(gòu)造出的模板非常準(zhǔn)確。 2．提出一種基于決策樹和馬爾可夫鏈的在互聯(lián)網(wǎng)上自動(dòng)抽取問答對(duì)的方法。先根據(jù)網(wǎng)頁中的HTML標(biāo)記把網(wǎng)頁表示成一棵DOM樹；然后利用樹中每個(gè)節(jié)點(diǎn)的結(jié)構(gòu)和文字信息，抽取相應(yīng)的特征；最后將得到的節(jié)點(diǎn)特征通過由決策樹和一階馬爾可夫鏈結(jié)合得出的分類模型進(jìn)行分類。 3.為了解決有的文章在網(wǎng)絡(luò)數(shù)據(jù)庫中并沒有給出我們關(guān)鍵詞這個(gè)問題。