网络中Flash教育资源搜索和相关文本提取研究.pdfVIP

网络中Flash教育资源搜索与相关文本提取研究 于文超刘菲孟祥增 (山东师范大学教育技术系，济南250014) 摘要：网络中存在着大量的Flash教育资源，利用Flash主题搜集器搜集Web中的Flash教育资源， 对Flash教育资源所在网页进行预处理，然后进行网页结构分析与Flash区域定位，在此基础上设计对Flash 教育资源进行相关文本信息的提取，最终对Web中存在的Flash教育资源形成标注，以利于对Web中Flash 教育资源的查找与利用。实验结果表明，本文提出的网络中Flash教育资源搜索与相关文本提取方法效果 较好，可有效的促进Flash教育资源更好的利用，提高教育的信息化水平。 关键词：Flash教育资源，教育信息化，文本提取，元数据 一、引言 教育信息资源的开发和利用是教育信息化的核心，关系到教育信息化建设成败的关键n1。 Flash教育资源作为教育信息资源的重要组成部分，在教育游戏、课堂教学等方面的应用越 来越广泛。截至2008年底，中国网页总数超过160亿个乜1，在如此众多的网页中包含了大 量的Flash教育资源，但由于这些Flash教育资源存在于分散、规模大并且一直处于动态更 新的Web海洋中，这种“信息过载”的局面导致人们准确的检索查找多媒体教育资源越来 个通用的资源库来管理分散的网络资源，但这些搜索引擎都属于通用搜索引擎，其超大规模 的分布式数据源、异构的数据及信息的检索质量不高等问题，使其无法直接应用子教育。 为了解决这一问题，本文以Flash教育资源的建设为出发点，以教育领域包含Flash教育 资源的网页为研究对象，设计并开发了网络中Flash教育资源搜索与相关文本提取系统，以 对Flash教育资源标注索引。 l 二、Fash教育资源搜索与相关文本提取系统架构 网络中Flash教育资源搜索与相关文本提取系统主要包括两大步骤，首先对Web中存在的 Flash教育资源进行搜索，并将其所在网页存入相应的网页数据库，从而为下一步作准备； 在上一步工作的基础上，对网页数据库中的网页进行预处理与结构分析，从多媒体所在的网 页中提取Flash教育资源的相关文本，再对相关文本进行拼音及英文翻译转换、中文分词、 关键词过滤提取等操作，从而提取出用于描述、标引Flash教育资源的信息，最终形成对 Web中存在Flash教育资源进行描述的信息库。系统结构如图l所示： Flash 网 文 页 Flash 本 主 预 ◆ 信 —◆ 区 息 题 处 提 搜 理 ■ 域 取 七t础撇…斗与 集 分 定 模 析 模 位 块 块 图1Flash教育资源搜索与相关文本提取系统结构图 三、FIash教育资源网页的搜集 Flash教育资源网页的搜集是通过主题搜集器实现的，主题搜集器又称主题蜘蛛或主题 机器人，是一个用于网络资源发现与搜集的程序，本文中的网络Flash教育资源主题搜集器 是一个专门搜集Web中包含Flash教育资源的网页的搜索程序。 首先选取小学、初中、高中三个教育阶段分别建立主题词集，每个教育阶段主题词集的 建立又分若干学科，如小学阶段分语文、数学两个学科，初中、高中阶段分语文、数学、物 理、化学和生物五个学科，每个阶段的各个学科选取可能与Flash教育资源有关的主题词。 爬行时从一个用户定义的种子URL出发，提取链接并将链接存入链接数据库 度，通过链接出度和链接入度计算链接相似度。然后根据将两者结合起来决定爬行的确定主 题爬虫的爬行方向，从而提高主题搜索引擎的准确性，最终将包含Flash