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、廈門大學(xué)碩士學(xué)位論文基于樹形結(jié)構(gòu)的Web信息抽取技術(shù)研究姓名:任仲晟申請學(xué)位級別:碩士專業(yè):計算機軟件與理論指導(dǎo)教師:薛永生20070401AbstractAbstraotWiththerapiddevelopmentofIntemet,Webisbecomingavast,distributed,andsharedinformationresourceMostofWebdataareintheformofHTMLDuetothesem
2、i—structurednatureofHTMLpages,WebpagesareeasyforexploringbyhumanbeingswhileitisdifficultforapplicationstoprocessandusethedataintheWebpagesTostrengthentheavailabilityofWebdata,providingmorevalueaddedservices,Webinformatio
3、nextractiontechnologycomesout,whichwrapstheWebresources,extractssemi—structureddata,andprovidessupportstoapplicationsusingWebdataTherefore,theresearchofWebinformationextractionisoneofthehottestresearchareasindatabasefiel
4、dandhasapromisingfutureInthispaperwefirstbrieflyintroducesomebasicconceptofWebinformationextractionandalsogiveashortintroductiontothedevelopmentofthetechnologyofWebinformationextractionThenwedescribethedefinitionoftheweb
5、pagesusedbyOuralgorithmSecondlywedescribe,compare,andanalyzeseveralkindsofWebinformationextractionmethodscommonlyusedatpresentindetail,pointingoutadvantagesanddisadvantagesofeachmethodFurthermore,wediscussthefuturedirect
6、ionofresearchanddevelopmentofWebinformationextractionFinallyweproposetreestructurebasedWebdataextractionalgorithminviewoftheinadequaciesoftheexistingmethodsOurtreestructurebasedalgorithmincludes:thealgorithmofHTMLtreecon
7、struction,thealgorithmofdataregionmining,thealgorithmofdatarecordmining,andthealgorithmofrecordschemagenerationOuralgorithmcleanstheWebpagesusingthepositioninformationofpageelements,minesdataregionbyhierarchicalclusterin
8、g,andgeneratesrecordschemafinishingdataitemextractionthroughtreematchingTheoreticalanalysisandexperimentalresultsshowthatouralgorithmcanimprovetheaccuracyandefficiencyofWebdataextractionKeyWords:Webdataextraction,Webmini
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。
最新文檔
- 基于Web的信息抽取技術(shù)研究.pdf
- 基于信息熵的Web信息抽取技術(shù)研究.pdf
- 基于語義的web信息抽取技術(shù)研究
- 基于REIE的Web信息抽取技術(shù)研究.pdf
- 基于語義的Web信息抽取技術(shù)研究.pdf
- 基于reie的web信息抽取技術(shù)研究(1)
- 基于網(wǎng)頁分塊的Web信息抽取技術(shù)研究.pdf
- 基于HTML的WEB就業(yè)信息抽取技術(shù)研究.pdf
- Web信息抽取框架技術(shù)研究.pdf
- Web信息抽取技術(shù)研究與基于Web service的實現(xiàn).pdf
- 面向信息抽取的Web頁面結(jié)構(gòu)挖掘技術(shù)研究.pdf
- 基于框架語義標注的Web信息抽取技術(shù)研究.pdf
- Deep Web信息抽取技術(shù)研究.pdf
- 基于頁面主體提取的WEB信息抽取技術(shù)研究.pdf
- 基于結(jié)構(gòu)和內(nèi)容的Web數(shù)據(jù)抽取技術(shù)研究.pdf
- 基于Web結(jié)構(gòu)的表格信息抽取研究.pdf
- 基于本體和文本特征的Web信息抽取技術(shù)研究.pdf
- 基于網(wǎng)站結(jié)構(gòu)的Web信息抽取方法研究.pdf
- Web頁面用戶評論信息抽取技術(shù)研究.pdf
- 基于GHMM的Web文本信息抽取技術(shù)研究與系統(tǒng)設(shè)計.pdf
評論
0/150
提交評論