面向教學(xué)的Web信息集成技術(shù)研究.pdf

1、隨著Web2.0和網(wǎng)絡(luò)技術(shù)的發(fā)展，網(wǎng)絡(luò)用戶不僅是Web信息的消費者，也是Web信息的生產(chǎn)者，這就導(dǎo)致了網(wǎng)絡(luò)上的信息量呈爆炸性增長。如何有效利用Web信息資源成為需要面對和解決的重要問題。對于這個問題，學(xué)者們也進行了Web信息集成方面的一些研究,但是這些研究工作主要集中在新聞、電影、音樂、博客等領(lǐng)域，而面向教育領(lǐng)域的工作卻不多?；诖?，本文提出了一種面向教學(xué)的試題抽取與分類方法，該方法基于用戶輸入的書籍名稱和作者信息以及題型，自動在Web

2、中爬取相關(guān)的書籍目錄和試題，并通過計算書籍目錄和題目之間的相似度來進行題目分類，從而可以達到自動化地建立試題庫的目的。本文的主要工作如下：
　　(1)提出了面向教學(xué)的書籍目錄抽取方法。通過研究發(fā)現(xiàn)，由于亞馬遜上的書籍目錄相對其他網(wǎng)站(當(dāng)當(dāng)網(wǎng)、京東網(wǎng)等)比較完整，本文選擇了亞馬遜作為書籍目錄的數(shù)據(jù)源。當(dāng)用戶輸入書籍的名稱和作者名時，通過PHP語言的simplehtmldom爬蟲技術(shù)和模式匹配，能夠從亞馬遜上爬取該書籍的目錄信息，然后

3、通過DOM技術(shù)解析獲得該書籍的章節(jié)信息；
　　(2)提出了面向教學(xué)的書籍試題抽取方法。本文主要在百度文庫上進行書籍試題抽取，通過用戶輸入書籍名稱和試題類型來獲得該書籍的相關(guān)試題，在這個過程中，需要對爬取過的文本和鏈接通過隊列進行去重，過濾之前已經(jīng)爬取得信息，然后對爬取得信息進行解析，最后獲得每一道試題；
　　(3)提出了面向教學(xué)的試題分類方法，在爬取書籍目錄和書籍試題之后，通過下面步驟來進行試題分類：首先，本文需要利用PHP