面向數(shù)字旅游網(wǎng)頁的Web信息抽取技術(shù)研究.pdf_第1頁
已閱讀1頁，還剩69頁未讀， 繼續(xù)免費閱讀

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)，請進行舉報或認領(lǐng)

文檔簡介

1、近年來 Web發(fā)展迅速，將 Web作為信息源的Web信息抽取也成為數(shù)據(jù)挖掘研究的一個重點。對 Web信息抽取的研究已經(jīng)取得了顯著的成果，提出了各種各樣Web信息抽取的方法，同時 Web信息抽取技術(shù)的應(yīng)用領(lǐng)域也十分廣泛。本文主要將 Web信息抽取技術(shù)應(yīng)用在數(shù)字旅游網(wǎng)頁上，抽取出用戶所關(guān)心的信息。
　　目前Web上的數(shù)據(jù)主要是用HTML語言描述的半結(jié)構(gòu)化的數(shù)據(jù)，這些數(shù)據(jù)適合在瀏覽器上瀏覽，但是應(yīng)用程序無法直接解析。本文通過對現(xiàn)有信息抽

2、取技術(shù)的深入分析和研究，提出了一種基于DOM的Web信息抽取的方法。通過分析了基于絕對路徑和相對路徑抽取規(guī)則，發(fā)現(xiàn)僅僅使用路徑這一特征作為抽取規(guī)則得到的結(jié)果并不是十分理想，由此提出了本文的特征比較法的信息抽取規(guī)則。
　　本文最后設(shè)計并實現(xiàn)了一個基于DOM的Web信息抽取系統(tǒng)，該系統(tǒng)首先將HTML網(wǎng)頁解析成 XML DOM樹，通過規(guī)則學(xué)習(xí)階段完成抽取規(guī)則的生成，并將抽取規(guī)則存入規(guī)則庫，最終獲得抽取后的文檔并存入關(guān)系數(shù)據(jù)庫中。實驗結(jié)果

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空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論