基于ontology的web数据抽取与集成研究

《基于ontology的web数据抽取与集成研究》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、复旦大学硕士学位论文基于Ontology的Web数据抽取与集成研究姓名：古晓洪申请学位级别：硕士专业：管理科学与工程指导教师：张成洪20030519摘要Web上绝大部分的数据依然是非结构化的HTML文档，传统的数据查询技术不能满足人们的要求。解决这一问题有多种途径，其中之一就是利用数据抽取与集成技术，对Web数据进行“结构化改造”。目前存在多种关于Web数据抽取与集成的解决方案，包括：直接对HTML文档进行解析。利用规则表达式进行模式匹配，利用XML技术分析HTML层次结构，以及基于概念建模的方法等。本文将XML技术、模式匹配技术和概念建模方法结合起来，提供了一个利用Ontol

2、ogy进行Web数据抽取与集成的全新解决方案。Ontology是语义网的基础，为抽取的数据提供了一个公共模型。本文首先利用OWL语言建立一个反映抽取数据结构的Ontology模型，再利用XML文件格式来表示Ontology中的各个对象与各个数据源的数据的映射关系，并利用模式匹配技术最终完成相关数据的抽取。抽取的数据被保存为Iu)F文档。由于抽取的数据都依赖于预定义的Ontology对象，这在一定程度上有助于提高抽取数据的完整性和有效性。文章还探讨了如何利用Ontology映射来处理异构数据集成的四种情况，并提出了相应的解决方案。关键词：Web，Ontology，数据抽取，集成，

3、RDF，OWLOntology—BasedWebDataExtractionandIntegrationAbstractMostofthedataonthewebarestilluns蚴redHTMLdocuments．andthetraditionaltechnologyofdataqueryingcannotmeetpeople’Sneeds．Therearelotsofapproachestoresolvethisproblem．OnesolutionistO“restructure’’thewebdatabyadoptingthetechnologyofdataextr

4、actionanddataintegration．TherearemanysolutionstOwebdataextractionandintegrationwhichincludingparsingHTMLfilesdirectly,matchingpatternsbyregularexpressions，analyzinghierarchiesofHTMLfilesbyusingXMLtechnology,andusingconceptual-model—basedapproach，etc．ThispapercombinesXMLtechnology,pattemmatch

5、ingtechnologyandconceptual-model·-basedapproachtoprovideanewsolutiontOwebdataextractionandintegrationbyutilizingontology．Asthebaseof“SemanticW曲”．ontologyCansetupacommonmodelfordataextraction．ThispaperfirstlysetsupanontologymodelwhichreflectingthestructureofthedatatobeextractedbyutilizingOWLl

6、anguage．ThenthepaperUSeSanXMLfiletoexpressthemappingrelationshipsbetweeneachobjectintheontologyandthedataofeachdataSOl／ICe．Andfur'theTl／lOre，theauthorutilizesthepattemmatchingtechnologytofinishextractingthetargetdata．TheextractedresultdataaresavedasanRDFfile．BecausealltheextracteddatadependO

7、ilthestructureandconstraintsoftheontologydefined，theintegrationandvalidnessoftheextracteddataareimprovedtOsomeextenThearticlealsodiscusseshowtodealwiththefoursituationsforintegrationofheterogeneousdata,andprovidesasolutioncorrespondingly．Ke)avords：