基于Web的信息抽取技术现状与发展.pdfVIP

年第 期 48 福福福 建建建 电电电 脑脑脑 2007 7 基于Web的信息抽取技术现状与发展 1,2 1 2 2 柳佳刚 刘高嵩 贺令亚 陈 山 , , , 中南大学信息科学与工程学院 湖南 长沙 湖南建材高等专科学校计算机科学系 湖南 衡阳 ( 、 ) 1. 410075 2 421008 摘 要 信息抽取技术已成为一个活跃的研究领域 本文根据信息抽取的原理 对现有的信息抽取技术进行了 【 】:Web 。 , 分类 结合典型的系统讨论各取技术的特点 还进一步指出了目前以本体为基础的 信息抽取研究须解决的问题 , , Web 关键词 信息抽取 包装器 【 】: ; ;Ontology 引言 来分别表示 已抽取出的正确信息个数 还没抽取出的正确信 1. fe : 、 当今社会随着互联网的迅速发展 互联网上流通的信息也 息个数和抽取出的错误信息个数 则可用如下公式计算 , 。 : 在爆炸性地增长,并正在成为我们工作和生活中不可或缺的一 员 然而 由于 是一个虚拟的开放环境 任何人和任何团 。 , WWW , 体都可以在其上发表文章或言论 为帮助互联网用户有效地发 。 布与接受信息 众多的互联网搜索引擎不断出现 向广大用户提 , , 供基本的信息检索服务 怎样快速 有效 经济地检索到某个主 和 的值都在 它们通常存在反比关系 即 增大 。 、 、 〔 〕, , R P 0,1 R 题的所有相关信息 就成了一个十分热门的课题 信息抽取 则会导致 减小 反之亦然 因此在比较不同信息抽取技术时 , 。 , 。 , Web P 技术就是有效解决如何准确的从 页面中抽取所需要内容 应该同时考虑 和 常用的评价指标为 值评价法 Web R P, F : 的一项技术。 2.Web信息抽取概述 信息抽取就是从 页面所包含的无结构或半结构 其中参数 决定了对 和 的支持度 通常 值取 表示对