没有合适的资源?快使用搜索试试~ 我知道了~
动态网页的信息抽取W曲信息抽取将W|eb中的数据抽取出来并表示为结构化的形式。动态网页是通过程序动态生成 的页面。据统计,目前Web上的页面主要是以动态网页的形式存在。因此,研究动态网页的信息抽 取方法,具有较大的实用价值。 本文将动态网页分为记录级和页面级两类,主要工作包括:(1)针对记录级动态网页,提出基 于相似记录项归纳(Similar Records Induction,s对)的信息抽取方法。该方法采用编辑距离算法和树 排列算法归纳产生记录项的包装器树,并为抽取到的信息手工标注标签。(2)针对页面级动态网页, 提出基于相似页面归纳(Similar Pages Induction,SPI)的信息抽取方法。该方法首先清洗样本网页集, 然后通过树排列算法,归纳产生页面的包装器树,并选择模板字符串为相邻信息自动标注标签。(3) 针对记录级动态网页的标签自动获取问题,提出基于隐马尔科夫模型(Hidden Markov Model。HMM) 的记录项字段识别和抽取方法。该方法将记录项作为字段值的序列,并采用HM_/VI对字段值的标签 进行分类标注。
资源推荐
资源评论
资源评论
qq_23026507
- 粉丝: 0
- 资源: 1
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功