基于包装器的WEB信息抽取算法实现【毕业论文】

《基于包装器的WEB信息抽取算法实现【毕业论文】》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、本科毕业设计（20届）基于包装器的WEB信息抽取算法实现摘要【摘要】III在网络飞速发展的今天，互联网成为人们快速获取、发布和传递信息的重要渠道，它在人们政治、经济、生活等各个方面发挥着重要的作用。互联网上存在大量的信息。人们一直在寻找一种方便、低廉的信息获取的工具，本文正是基于这种目的，试图开发一种基于包装器的Web信息抽取技术的互联网信息获取工具，该工具能快速的帮助人们获取自己想要的信息。本论文通过对基于包装器的Web信息抽取技术进行了描述，阐述了Web信息抽取算法的意义，并介绍了Web抽取算法的实现原理和研究现状，提出了目前web数据抽取仍然存在的问题。最后选择了

2、一类特定网页结构的页面，应用目前主流的Web抽取算法开发出了一套Web信息抽取工具。【关键词】互联网；信息；包装器；抽取算法IIIAbstract【ABSTRACT】Withtherapiddevelopmentofthenetworktoday,theInternetbecomesanimportantwaytoget,sendandtransfertheinformation.Becauseofgettingsomuchinformationontheinternet,itgraduallytakesanessentialpartinpolitical,econom

3、icalandotheraspectsofdailylife.Peoplehavebeentryingtofindamoreconvenientandcheaperaccesstoinformationtoolsallthetimes.Accordingtothispurpose,theauthortriestodevelopatoolofinformationextractiontechnologieswhichisbasedonWebandtohelppeoplegetinformationmorequickly.Theauthorintendstodescribe

4、thetechnologyofinformationextractionwhichisbasedonWebandbrieflyexplainedthesignificanceofWeb-basedinformationextractionalgorithm.Whatismore,theauthoralsoanalyzesitstheoryandpresentsituation.Andhefindssomeshortagesinthismethod.Withapplyingthecurrentmainstreamofwebextractionalgorithm,theau

5、thor,finally,choosesakindofspecialwebtypeanddevelopanewsetoftoolsforWebinformationextraction.【KEYWORDS】Internet;information;wrapper;extractionalgorithmIII目录摘要IIAbstractIII目录IV1系统分析与研究11.1课题开发背景11.1.1国外开发现状11.1.2国内开发现状11.2课题开发的现实意义21.3系统特点21.4系统目标22系统开发技术简介及目前研究现状32.1Java语言简介32.2Eclipse简介

6、32.3web数据抽取技术研究现状32.3.1web数据抽取方法分类42.4web数据抽取评价指标42.5web数据抽取存在的问题53系统概要设计63.1系统结构设计63.1.1系统流程图63.1.2设计思想63.2系统功能说明73.3运行环境73.3.1软件环境73.3.2硬件环境74系统详细设计84.1包装器的相关概念84.2归纳学习算法与包装器的构造94.3系统简要介绍104.4信息获取模块114.4.1网址输入114.4.2页面信息获取模块164.5信息分析模块174.5.1htmlparser简介174.5.2信息分析的流程图184.5.3信息分析代码185系

7、统运行及测试结果235.1测试结果235.2结论24参考文献25致谢26III1系统分析与研究1.1课题开发背景信息抽取(InformationExtraction)就是把文本里边某些特定的信息提取出来，进行结构化处理，最终以结构化的形式描述，可以直接存入数据库中，供用户查询以及进一步分析利用[1]。例如从商品网站上提取出商品名称，商品价格，商品产地等；从文本新闻报道中提取出时间，地点，人物，事件等；从自然语言文本中获取结构化信息的研究最早开始于20世纪60年代中期，这被看作是信息提取技术的初始研究[1][2]。1987年5月，消息理解会