2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩59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、隨著計算機和互聯(lián)網(wǎng)技術(shù)的廣泛應(yīng)用,特別是隨著普適計算技術(shù)的發(fā)展,如何有效地從種類繁雜的網(wǎng)絡(luò)中,抽取出有價值的信息,讓用戶通過逐漸融入到人們?nèi)粘I畹脑O(shè)備(如智能終端、智能手機等)獲得最合適的信息服務(wù)——普適服務(wù),是目前亟需解決的一個重要問題?;诨ヂ?lián)網(wǎng)數(shù)據(jù)挖掘的正文抽取技術(shù)是提供普適的信息服務(wù)的基礎(chǔ),利用該技術(shù)分析巨大的網(wǎng)絡(luò)信息源獲得服務(wù)內(nèi)容,同時從中提取出供咨詢、參考和決策等用途的信息——情境信息,為普適服務(wù)中的Web高級應(yīng)用奠定良好

2、的基礎(chǔ)。
  基于Web的普適信息服務(wù),對正文抽取技術(shù)有更高的要求,即:必須滿足不限定數(shù)據(jù)源、全自動化、實現(xiàn)簡單、不限定網(wǎng)頁類型等。本文結(jié)合國家863計劃課題和普適計算環(huán)境下的需求,對中文網(wǎng)頁的正文抽取技術(shù)進行了比較深入的研究,取得了以下主要研究成果:
  1.系統(tǒng)分析和比較了現(xiàn)有的正文抽取方法。這些方法包括:基于模板的方法、基于視覺特征的方法、基于本體論的方法、基于統(tǒng)計的方法。這些方法各有側(cè)重地解決了信息抽取中面臨的問題,

3、總體上取得了良好的效果,但在某些方面存在不同程度的局限或缺陷,導(dǎo)致都無法滿足普適環(huán)境下信息抽取技術(shù)的要求。
  2.基于上述的分析,本文提出了一種基于統(tǒng)計與正文特征的網(wǎng)頁正文抽取方法。該方法在保持統(tǒng)計方法原有特性的同時,利用正文特征克服了原有基于統(tǒng)計的方法無法抽取多正文體網(wǎng)頁的缺陷。源于多正文體在網(wǎng)頁的DOM樹中對應(yīng)著正文區(qū)域下的多棵具有相似特征的正文子樹,本文首先基于統(tǒng)計的方法獲取一條正文路徑,然后通過學(xué)習(xí)該路徑的正文特征識別正

4、文區(qū)域和子樹主干,最后根據(jù)區(qū)域及該主干具有的正文特征進而得到完整的正文。試驗表明該方法抽取單正文和多正文的精確率分別為93.6%和91%。
  3.在上述方法的基礎(chǔ)上,本文設(shè)計了一個在普適環(huán)境下的正文抽取插件。該插件在不限定數(shù)據(jù)源、全自動化、實現(xiàn)簡單的同時,能夠處理單正文體網(wǎng)頁(如新聞類網(wǎng)頁)或呈現(xiàn)在網(wǎng)頁中視覺效果相似的多正文體網(wǎng)頁(如bbs網(wǎng)頁)。將該插件應(yīng)用到目標智能系統(tǒng)——“以用戶為中心多服務(wù)融合的新型訪問終端”。目標系統(tǒng)的

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