本文關鍵詞：垂直搜索引擎中的網(wǎng)頁對象抽取模型及實現(xiàn)技術研究，，由筆耕文化傳播整理發(fā)布。

文檔介紹：
湖南大學碩士學位論文垂直搜索引擎中的網(wǎng)頁對象抽取模型及實現(xiàn)技術研究姓名:王實申請學位級別:碩士專業(yè):軟件工程指導教師:林亞平20090401摘要隨著因特網(wǎng)技術的快速發(fā)展,網(wǎng)上信息呈幾何級數(shù)增長,由于網(wǎng)絡信息載體的異構性和多變性,如何檢索和處理這些海量信息成為目前重要的研究課題。Web信息抽取是指從半結構化的網(wǎng)頁中抽取指定的信息,將其形成結構化的數(shù)據(jù)填入數(shù)據(jù)庫中供用戶查詢使用的過程。Web信息抽取是提高信息檢索尤其是垂直領域信息檢索性能的重要手段之一,本文研究垂直搜索引擎中的Web信息抽取技術。本文首先總結了Web信息抽取的主要技術,從Web信息抽取系統(tǒng)的構成入手,分析了模板檢測、模板生成和數(shù)據(jù)抽取三個主要過程涉及到的關鍵問題及傳統(tǒng)解決方式。針對垂直搜索引擎應用背景下傳統(tǒng)信息抽取技術的局限性,提出了相應的改進方法。對于模板檢測,本文在傳統(tǒng)的DOM樹編輯距離算法的基礎上,根據(jù)節(jié)點的對布局的影響程度賦予其不同的權值,提出一種新的網(wǎng)頁結構相似性計算算法,實驗結果分析表明,采用新的算法對動態(tài)模板網(wǎng)頁進行聚類的效果比傳統(tǒng)算法有明顯改進。對于模板生成和數(shù)據(jù)抽取,本文提出了基于聚類的模板混合生成算法,該算法結合網(wǎng)頁聚類過程中樣本網(wǎng)頁之間結構相似性... 內(nèi)容來自轉(zhuǎn)載請標明出處.

  本文關鍵詞：垂直搜索引擎中的網(wǎng)頁對象抽取模型及實現(xiàn)技術研究，由筆耕文化傳播整理發(fā)布。