已閱讀1頁，還剩73頁未讀， 繼續(xù)免費閱讀
版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領
文檔簡介
1、隨著Internet及其相關技術的飛速發(fā)展,互聯(lián)網(wǎng)已成為人們發(fā)布和獲取信息的主要平臺。由于互聯(lián)網(wǎng)上的信息泛濫,使得用戶獲取有用信息變得困難。從 Web網(wǎng)頁中搜索特定信息的能力還不足以滿足用戶的需求。所以,如何研究出一種有效的信息抽取方法應用在Web頁面信息抽取系統(tǒng)中,已經(jīng)成為當今亟需解決的熱點研究問題。
本文主要研究了一種新的信息抽取算法。該方法針對數(shù)據(jù)密集型的頁面自動進行信息抽取。其中包括了下面幾個問題。
首先,要
2、進行初始化工作。將訓練集合中的所有樣本頁面轉換成HTML文檔形式。
其次,如何自動去除頁面噪聲的問題。目前很多網(wǎng)站的頁面上都會有導航欄、廣告、LOGO、版權信息等與主題內容無關的信息,例如淘寶、團購、旅游網(wǎng)等商業(yè)網(wǎng)站。本文運用一種改進的雙序列比對算法來去除網(wǎng)頁中的噪聲。
然后,進行模板自動抽取。如今,動態(tài)頁面技術被許多網(wǎng)站采用,應用于網(wǎng)站設計等各個方面。本文研究的“動態(tài)”為模板和后臺數(shù)據(jù)庫相結合的技術進行Web信息抽
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。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內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)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容，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XML的Web信息抽取設計與實現(xiàn).pdf
- 基于Web的信息抽取策略設計與實現(xiàn).pdf
- 基于DOM的Web信息抽取系統(tǒng)設計與實現(xiàn).pdf
- 基于Web的新聞信息抽取系統(tǒng)設計與實現(xiàn).pdf
- 基于XML的Web信息抽取研究與實現(xiàn).pdf
- 基于HMM模型的Web信息抽取方法的研究與改進.pdf
- 基于包裝器的web信息抽取算法實現(xiàn)【畢業(yè)論文】
- 基于規(guī)則模板的Web信息抽取技術與實現(xiàn).pdf
- 基于深度學習的Web信息抽取研究與實現(xiàn).pdf
- 基于本體的Web信息抽取的研究與實現(xiàn).pdf
- 基于DOM的Web信息抽取技術的研究與實現(xiàn).pdf
- 基于網(wǎng)格的Web信息抽取技術的研究與實現(xiàn).pdf
- 基于遺傳算法的Web信息抽取技術.pdf
- Web信息抽取技術研究與基于Web service的實現(xiàn).pdf
- 基于混合遺傳退火算法的web信息抽取方法研究與實現(xiàn).pdf
- 基于Web的企業(yè)產(chǎn)品信息抽取系統(tǒng)設計與實現(xiàn).pdf
- 基于XML元素處理的Web信息抽取研究與實現(xiàn).pdf
- 基于XML的WEB信息抽取系統(tǒng)研究與實現(xiàn).pdf
- 基于視覺特征的Web頁面信息抽取算法.pdf
- 領域依賴的Web信息抽取系統(tǒng)設計與實現(xiàn).pdf
評論
0/150
提交評論