- 1、本文档共7页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
Web内容抽取及其数据管理方法.pdf
第 期 张成洪等: 内容抽取及其数据管理方法
# -+/ $$
文章编号: ( )
!#$%$! #!! !#%!$$%!$
! !# 内容抽取及其数据管理方法
张成洪,肖军建,张 诚
(复旦大学 管理学院,上海 #!!’’)
摘 要:随着 及其相关技术的飞速发展, 已成为最大的信息集散地 无论对企业还是个人, 逐
()*+,)+* . -+/
渐成为最主要的信息来源 然而由于网站数量过多以及 由此带来的信息泛滥,使得有用信息的获取越来越困
.
难 搜索引擎只能提供信息的查找范围,而具体的内容还要靠详细搜查 而且网页信息都是非结构化或半结构
. .
化的,无法直接利用分析工具进行分析. 所以有必要提供一种网页内容 自动抽取及使网页数据结构化的方法,
来简化信息获取的过程和方便信息分析处理.
关键词:数据抽取;网页包装;规则表达式;半(非)结构化;模式匹配
中图分类号: 文献标识码:
0 1!’ . 2
随着 及其相关技术的飞速发展, ( )已成为最大的信息集散地 上聚
()*+,)+* -3,45 -65+ -+/ . -+/
集了大量宝贵的信息,但在获取信息的过程中,却存在如下的问题:其一,其中有用的信息也如同 一
样分布在“ ”,用户难以掌握所需信息的位置;其二,对个人或企业有用的数据混杂在无数其他
-3,45 -65+
数据中,一般人必须亲 自从网页的大量数据中抽取一点点有用的数据,这样对于数据分析人员,从各个网
页中收集信息将是一个不小的负担;其三,从网上得到的数据都是 789: 文件,很难把其中包含的信息用
于和其他网页信息进行组合和交叉比较;其四,这种 789: 文件无法被 目前流行的分析软件直接使用,除
非通过人工再输入一次来完成数据格式的转换.
为了解决以上困难, 上出现了如 !等各种搜索引擎,如 , , 等
-+/ ;=33 0 ?@3*+ 9,A+*B@65+ C*3DA9E*+,
财经信息检索工具 但它们返回的结果往往数量很大、格式固定,而且每次只能查到一个对象的各个指
.
标,难以利用.
-+/ 内容抽取及其数据管理方法可以帮助企业(或其他信息提供商)或个人从 -+/ 上获取有用信息
(包括与企业有业务往来的客户、供应商、代理人、以及企业竞争对手、政府和其他机构发布在 上的
信息) 它可以自动地把所需的网页信息抽取出来,从而避免了用户 自己搜索信息的繁琐与时间的耗费;
.
并把抽取来的网页数据转存于数据库中,使非结构或半结构化的数据转换为结构化的数据,以利于用户对
数据进行分析.
对 内容的自动获得和抽取固然是一个重点,但这项工作的完成并不意味着结束 为了更好地为
-+/ .
用户服务,需要构建一个以-+/ 内容抽取为基础的信息系
您可能关注的文档
最近下载
- 数学四年级下册运算律复习课.pptx VIP
- [江苏]市政基础设施工程质量检测指引.docx
- 房屋建筑和市政基础设施工程质量检测指引(2022版).docx
- 最新小学数学单元素养作业设计模板.pdf
- Hasselblad哈苏相机X2D 100C User Manual - Simplified Chinese用户手册说明书(中文版).pdf
- 12S108-2真空破坏器选用与安装.docx
- 试卷合集4份2023届广东省佛山市高一数学下学期期末学业水平测试试题.pdf VIP
- 广东省汕尾市2020-2021学年高一下学期期末考试数学试题 .docx VIP
- 2020-2021学年广东省东莞市高一下学期期末考试数学试题.pdf
- 广东省中山市2024-2023高一下学期期末数学试题(教师版含解析).docx VIP
文档评论(0)