面向垂直搜索的信息抽取研究.pdf_第1頁
已閱讀1頁，還剩51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、繼google和baidu引領(lǐng)水平搜索技術(shù)之后，面向領(lǐng)域的垂直搜索技術(shù)在處理海量的數(shù)據(jù)方面扮演著越來越重要的角色。目前，網(wǎng)絡(luò)上的資源非常的豐富，人們?nèi)粝雽ふ胰缱》浚ぷ?，二手車交易等信息，就要寄希望于垂直搜索。垂直搜索引擎和普通的網(wǎng)頁搜索引擎的最大區(qū)別是對網(wǎng)頁信息進行了結(jié)構(gòu)化信息抽取，也就是將網(wǎng)頁的非結(jié)構(gòu)化數(shù)據(jù)抽取成特定的結(jié)構(gòu)化信息數(shù)據(jù)。然后將這些數(shù)據(jù)存儲到數(shù)據(jù)庫，進行進一步的加工處理，如：去重、分類等，最后分詞、索引再以搜索的方式滿足

2、用戶的需求[1]。 本文所做的工作就是抽取人物基本資料信息。在觀察和分析了網(wǎng)絡(luò)上關(guān)于個人信息的描述之后，進行人物基本資料的信息抽取。主要內(nèi)容包括：去除網(wǎng)頁噪音信息，定位主題信息，主要從WEB頁面找到該頁面的主題信息一對人物信息的描述：再根據(jù)描述的文本類型分類，分別對頁面結(jié)構(gòu)化文本和自由文本，給出不同的抽取方法。其中對頁面結(jié)構(gòu)化類型采取DOM樹抽??；對于自由文本信息，采取小句相似度計算確定句子主題，然后在該小句中，根據(jù)主題進行信息

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。
  • 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