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79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、本文將主要介紹網(wǎng)頁信息抽取領(lǐng)域相關(guān)的工作,包括信息抽取的歷史和網(wǎng)頁信息抽取的形式化定義。并將結(jié)合現(xiàn)在互聯(lián)網(wǎng)的特點總結(jié)網(wǎng)頁信息抽取的特點和難點,討論網(wǎng)頁信息抽取的技術(shù)現(xiàn)狀,根據(jù)不同的分類方法討論現(xiàn)有的網(wǎng)頁信息抽取方法,對當前的方法進行比較。 信息抽取是從一個文檔提取出相關(guān)的結(jié)構(gòu)化信息。網(wǎng)頁信息抽取是在互聯(lián)網(wǎng)環(huán)境下的信息抽取問題。本文討論的信息抽取都是指網(wǎng)頁信息抽取。輸入信息抽取系統(tǒng)的是原始網(wǎng)頁,輸出的是固定格式的信息點。信息點從各

2、種各樣的網(wǎng)頁中被抽取出來,然后以統(tǒng)一的形式集成在一起。這就是信息抽取的主要任務(wù)。 信息以統(tǒng)一的形式集成在一起的一個好處是方便檢查和比較,例如比較來自不同網(wǎng)站的商品信息,這可以幫助互聯(lián)網(wǎng)用戶從更大地范圍尋找自己感興趣的商品。還有一個好處是能對數(shù)據(jù)作自動化處理。結(jié)構(gòu)化的數(shù)據(jù)是開發(fā)人員比較喜歡的數(shù)據(jù)方式,處理起來比原本網(wǎng)絡(luò)上的異構(gòu)數(shù)據(jù)要方便許多。 網(wǎng)頁信息抽取技術(shù)對于從大量的網(wǎng)頁中抽取需要的特定信息說是非常有用的。在網(wǎng)上,同一

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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 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。
  • 6. 下載文件中如有侵權(quán)或不適當內(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