表格信息抽取引擎的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、隨著Internet應(yīng)用的逐漸普及,WWW已經(jīng)發(fā)展成為一個(gè)巨大的分布式信息空間,為用戶提供了一個(gè)極具價(jià)值的信息源.但因Internet所固有的開放性、動(dòng)態(tài)性與異構(gòu)性,又使得用戶很難準(zhǔn)確快捷地從WWW上獲取所需信息.如何快速、準(zhǔn)確地從浩瀚的信息資源中尋找到所需信息已經(jīng)成為困擾網(wǎng)絡(luò)用戶的一大難題.文中將網(wǎng)絡(luò)數(shù)據(jù)挖掘和信息抽取(Information extraction)的思想引入WWW信息處理領(lǐng)域來解決網(wǎng)上信息有效獲取的問題.研究和討論針

2、對(duì)Web表格的信息抽取,即怎樣從表格中大量的文本數(shù)據(jù)中抽取出用戶所關(guān)心的信息.其目的是提供一種以web表格為信息抽取對(duì)象的、支持抽取方式選擇的Web表格信息抽取工具.本文首先對(duì)信息抽取技術(shù)的發(fā)展情況進(jìn)行了概述,然后重點(diǎn)討論針對(duì)表格的信息抽取.分析并給出了表格信息抽取引擎的系統(tǒng)結(jié)構(gòu),以及實(shí)現(xiàn)該系統(tǒng)所涉及的關(guān)鍵技術(shù)和數(shù)據(jù)模型,介紹了系統(tǒng)中兩個(gè)主要工具,即二叉樹構(gòu)造工具和信息抽取工具的設(shè)計(jì)和實(shí)現(xiàn)方法.最后總結(jié)了完成的工作,以及有待進(jìn)一步改進(jìn)和