基于xml的中间文档信息提取技术分析-analysis of intermediate document information extraction technology based on xml.docxVIP

山 东 大 学 硕 士 学 位 论 文第 一 章引 言。背 景，、随 着技 术 的迅 速 发 展网 络 正 深 刻 地 改 变 着 我 们 的生 活，而 在 网 上 发 展 最 为 迅 猛 的叭技 术以 其 直 观方 便 的，。使 用 方 式 和 丰 富 的 表 达 能 力已 逐 渐 成 为上 最 重 要 的信 息 发 布 和 传 输 方。，，式随着 信 息 时 代 的 到 来 和 发 展七 上 的信 息 如 雨 后 春 笋 般 迅 速 增 长 起 来，截 止 到年月上 的 网 页 数 量 就 己 经 超 过亿上 网 用 户 超 过。，亿而 且 网 页 还 在 以每 天万 的 速 度 增 加 【徐 泽 平】这 给 人 们 的 生 活 提。，供 了 丰 富 的 资 源，，、然 而七 信 息 的 急 速 膨 胀在 给 人 们 提 供 丰 富信 息 的 同 时又 使 人 们 在。。对 它 们 的 有 效 使 用 方 面 面 临 一 个 巨 大 的 挑 战一 方 面 网 上 的 信 息 多 种 多样丰，、。富 多彩而 另 一 方 面 用 户 却 找 不 到 他 们 所 需 要 的信 息因 而 如 何 从 这 信 息 的海，、、，洋 中 找 到 符 合 用 户 要 求 的 有 用 信 息成 为 一 个 很 重 要迫 切 的 问题对扭，上 的 数 据 模 型 进 行 研 究以全 面准 确高效 的 自动 提 取 用 户 所 需 的信 息就。、、。显 得 十 分 必 要，，上 的数 据 源 有 很 多种比 如 文 本图象视 频 和 声 频 文 件 等文 本。、是 其 中 最 为 主 要 的 数 据 源它 们 按 比 特 流 的 方 式 被 传 输 到 客 户 终 端并 被 解 码。‘，为 某 种 语 台的 词 和 句 子虽 然 图 象视 频 和 音 频 等 数 据 源 中 也 包 含 大 量 的 有 用，、信 息但 因 为 涉 及 图 象 理 解语 音 理 解 等 尚未 完 全 解 决 的 识 别 问 题因 而 提 取。难 度较 大，、、。对 于 这 些 基 于 文 本 内容 的 网 络 信 息 资源 的进 行 有 效 的 开 发 利 用需 要 进 行、、。信 息 分 类检 索过 滤提 取 等 信 息 处 理 操 作然 而 目前上 的 文 档 种 类。，繁 多由 于 应 用 背 景 的 不 同文 档 的 组 织 方 式 和 表 现 方 式 差 别 很 大不 同格 式，，的文档 只 能 用 各 自专 用 的 阅 读 器 打 开并 且 不 同 格 式 文 档 之 间 格 式 转 换 很 不 方，。便转 换 过 程 中 可 能 会 丢 失重 要 的格 式 信 息大 部 分 文 档 无 法 跨 平 台应 用甚。，。至 有 的 文 档 的 不 同 版 本 之 间 都 不 兼 容因 此 在 对 网 络 信 息 资源 进 行 信 息 处 理 的，过 程 中为 了 实 现 文 档 内容 的 共 享和 协 作必 须 进 行 文 档 格 式 之 间 的 转 换。传 统 的己 文 档 主 要 是 由创 建 的创 建七 网 页 时所 遇 到 的 不 足，首 先 来 自的 一 个 特 点即是 用 预 先 定 义 的 固 定 数 量 的 标 签 来 创山 东 大 学 硕 士 学 位 论 文。，建亡 网 页 的外 观，正 是 这 种 缺 陷使 得 各 种 信 息 资源 缺 乏 进 一 步 利 用 的 可 能这 极 大 的制 约。，了信 息 的 交 换 和 发 展，。为 此人 们 把 目光 转 向 了做 为提 出的 新 的标 准弥补 了。、、，在七 上 进 行 数 据 交 换 的 不 足从的特 点 可 以看 出 在 对 网 络 信 息、。资源 进 行 分 类检 索提 取过 滤 等操 作 中适 合 采用对 文 档 内容 和 结，，构进 行 描 述并 用 于 数 据 库 发 布 和 交换 内容因此 我 们 提 出 了 一 种 基 于，的中 间 文 档 格 式并将 其 它 常 用 的文 件格式转换 成中 间文 档以便 于 进。行下 一 步 的信 息 处 理 工 作。本 文 安排、第 二 章 概 述 了 信 息 提 取 技 术 的 定 义基 本 思 想 和 工 作 流 程在 第 三 章 里 给，，出 了 一 种 其 体 的中 抽」文 档 格 式我 们 称 之 为 正，。以用 于 文 本信 息 提 取在 第 四章我 们 对 用中 间 文，档格 式 来 表 示文 档 进 行 了讨 论对 具 体 的转 换 过 程 及 一 些 难 点 问题 进 行 了。。分 析第 五 章 对 用中 间 文 档 格 式 来 表 示文 档 进 行 了分 析 和 讨 论第