基于结构和视觉特征的网页信息抽取技术的研究与实现硕士学位论文

基于结构和视觉特征的网页信息抽取技术的研究与实现硕士学位论文

ID:265436

大小:2.36 MB

页数:81页

时间:2017-07-16

基于结构和视觉特征的网页信息抽取技术的研究与实现硕士学位论文_第1页
基于结构和视觉特征的网页信息抽取技术的研究与实现硕士学位论文_第2页
基于结构和视觉特征的网页信息抽取技术的研究与实现硕士学位论文_第3页
基于结构和视觉特征的网页信息抽取技术的研究与实现硕士学位论文_第4页
基于结构和视觉特征的网页信息抽取技术的研究与实现硕士学位论文_第5页
资源描述:

《基于结构和视觉特征的网页信息抽取技术的研究与实现硕士学位论文》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、浙江大学计算机科学与技术学院硕士学位论文基于结构和视觉特征的网页信息抽取技术的研究与实现姓名:朱凯申请学位级别:硕士专业:计算机应用技术指导教师:陈刚20080514浙江大学硕士学位论文AbstractThewebisperhapsthesinglelargestdatasourceintheworld,andmoreandmoreorganizationsreleasetheirdatathroughtheIntemet.Verticalsearchengines,alsoknownasdomainspe

2、cificsearchengine,sendtheirspidersouttoarefineddatabaseandcrawlsometypeofinformationfromthewebsite,thenposttheinformationforusertoqueryafterintegrationandpost—processing.Webinformationextractiontechnologyisthefundamentalforverticalsearchengine,andit’Salsot

3、hekernelmoduleofsearchengine’Sback-end.Developingextractionsystemmanuallymaybesimple,butithasmanywell—knownshortcomingssuchasit’SdifficulttOmaintainthembecausewebsitesalwayschangeinordertosurvive,anditneedonemoreprogramtosupportanewdatasourcewhichisawasteo

4、fresource.Thispaperpresentsavision-basedwebstructuralinformationextractiontechnology,whichnotonlymakeuseofthestructuralinformationofHTMLpages,butalsotakeagooduseofthevisioninformation.Itconsistsoftwosteps:(1)identifyindividualdatarecordsinapage,and(2)align

5、ingandextractingdataitemsfromtheidentifieddatarecords.Inthefirststep,visioninformationhelpstofilteroutmostofthenoiseinthewebpage,whichacceleratethealgorithmbasedonHTMLstructure,italsomakethealgorithmmoreaccurate.Inthesecondstep,theimprovedtreealignalgorith

6、misusedforthealignmentofattributes,whichisefficientandrobust.Andinthealignmentofmultipletrees,theintroductionofseedtreereducesthecomputationofthealgorithm,SOimprovetheperformancewhenthealgorithmappliedtOlargewebpages.Theexperimentsshowthattheextractmethodh

7、asahighdegreeofautomation,needalmostnomanualintervention.andit'salsoveryefficientandaccurate.Keywords:Verticalsearch,informationextraction,vision-based浙江大学硕士学位论文表目录表2.1各种工具的比较⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯20表6.1实验结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一64表6.2横向比较结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯

8、⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一66VI浙江大学硕士学位论文图目录图1.1一个垂直搜索引擎的体系结构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯3图2.1网页信息抽取模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.12图2.2形式化表示⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.13图2.3数据来源网站一的数据格式⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.14图2.4数据来源网站二的数据格式⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.14图2.5互联

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。