基于Web2．0的数据集成系统的设计与实现.pdfVIP

维普资讯 25卷 第 6期 微 电子 学 与计算 机 Vo1．25 No．6 2008年 6月 M ICROEU (rRONICS COMPUTER June2008 基于 Web2．0的数据集成系统的设计与实现 郭小瑛，曾广平 (北京科技大学 信息工程学院，北京 100083) 摘 要：为了丰富原有的语料库，以满足 自然语言理解与处理研究所需，根据对基于Web2．0的数据源的分析，设 计并实现了一个可扩展的基于Wbe2．0的数据发布与集成系统．该系统采用B／S模式，以用户参与发布的信息为 数据来源，综合应用Ajax等先进的web技术，集成 了自然~N-_a-理解研究所需数据，具有良好的性能和应用价值，为 相关领域的研究和应用提供了参考． 关键词：web2．0；信息发布；数据抽取；数据清洗；数据集成 中图分类号：TP311 文献标识码：A 文章编号：1000—7180(2008)06—0034—04 Design andImplementation ofData IntegrationSystem BasedonW eb 2．0 GUO Xiao—ying，ZENG Guang—ping (SchoolofInformationEngineering，UniversityofBeijingScience Technology，Beijing 100083，China) Abstract：Forenrichingtheoldcorpustofulfilltheneedofnaturallanguageunderstanding nadprocessingresearch，ac— cording tothenaalysisofthedatasourcebasde W eb2．0．thispaperpresentsthedesignnadimplementationofadatapub— licationandintegrationsystembased％62．0 Thedataintegrationsystem adoptsthe B／Sschema，Ajxa nadother％ 6 technology．Itissupportde byuserdistributing information．Itintegrates datafornaturallanguageunderstanding nadpro— cessing，andhas wellcapabilitynadpracticabilitywithmuchreferencevalueinrelatde fields． Keywords：W eb2．0；informationdistribution；adtaextracting；adtacleaning；adtaintegration 1 引言 2 系统功能设计 随着社会的发展，一些新事物不断出现，新的词 基于Web2．0的自然语言数据集成系统，目的 汇和语言表达方式也随之不断出现和改变，原有的 是利用web2．0 “让用户参与创造 内容”的特点，通 语料库已经不能满足 自然语言理解与处理研究所 过那些对 自然语言研究感兴趣的广大网民的深人参 需．然而，随着Web2．0理念 的不断深入和 Web2．0 与来发布数据，并利用web数据获取技术将这些数 相关技术的不断发展…1，利用Web2．0这一平台可 据抽取、规范化、清洗后形成语料库供 自然语言理解 以解决这一问题．因为Web2．0的核心理念是让用 研究之用．图1为系统总体结构框图_3_4j． 户参与创造内容，其开放度和 自由度比较大，这样发