基于XML的WEB信息抽取系统研究与实现-计算机科学与技术专业论文.docxVIP

原创性声明本人声明：所呈交的学位论文是本人在导师的指导下进行的研究工作及取得的研究成 原创性声明 本人声明：所呈交的学位论文是本人在导师的指导下进行的研究工作及取得的研究成 果。除本文已经注明引用的内容外，论文中不包含其他人已经发表或撰写过的研究成果，也 不包含为获得内蒙直太堂及其他教育机构的学位或证书而使用过的材料。与我一同工作的同 志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。一 学位论文作者签名：雎 指导教师签名：垄礁垄公 日 期：趁!f：么：!￡!_ 日 期：趁!Z：笸!≤厂 在学期间研究成果使用承诺书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：内蒙古大学有权将 学位论文的全部内容或部分保留并向国家有关机构、部门送交学位论文的复印件和磁盘，允 许编入有关数据库进行检索，也可以采用影印、缩印或其他复制手段保存、汇编学位论文。 为保护学院和导师的知识产权，作者在学期间取得的研究成果(含计算机软件、程序)属于 内蒙古大学计算机学院。作者今后使用涉及在学期间主要研究内容或研究成果，须征得内 ■ 蒙古大学计算机学院就读期间导师的同意；若用于发表论文，版权单位必须署名为内蒙古大 ’， 学计算机学院方可投稿或公开发表。 学位论文作者签名：啦 指导教师签名： 蛆丛． 白 期：塑丛么!r 日 期：塑fZ。么么=- ● ● 内蒙古大学硕士学位论文基于XML的WEB信息抽取系统研究与实现 内蒙古大学硕士学位论文 基于XML的WEB信息抽取系统研究与实现 摘要 随着计算机科学技术与互联网的不断发展，在我们的工作和生活中web已变 得必不可少。web上信息资源呈几何级数量增长，web已经成为一个巨大的信息 资源库，要想准确有效地获取一条想要的信息变得越来越难，如何从web信息 一 资源库中抽取出有用的信息已经成为众多科研工作者研究的课题，web信息抽取 技术应运而生。 本文在研究现有的web信息抽取技术基础上，结合标准的XML技术，提出 了基于XML的web信息抽取技术。本文主要工作有以下几点： 1．在研究前人技术成果基础之上，对现有信息抽取技术加以整合和扩展， 设计了基于XML的Web信息抽取系统框架模型。 2．研究了信息抽取关键技术，阐述了信息抽取工作流程，设计了抽取规则 和抽取配置文件的生成方法。最终，实现了Web信息抽取系统的主要功能．。 3．本文对抽取结果进行分类，采用了朴素贝叶斯理论，设计了一个中文Web 文本分类系统模型，该模型隶属于整个信息抽取系统框架模型。 ■ 4．系统抽取结果是XML数据文档类型，在分析当前数据库存储技术基础上， ， 探讨了将抽取结果经分类后存储到数据库的不同方法。 本文设计的基于XML的Web信息抽取系统能够较好的解决web信息抽取问 题，实验结果表明，该系统具有较高的召回率和准确率。 关键词：XML，Web信息抽取，抽取规则，文本分类，XML数据存储 基于XML的WEB信息抽取系统研究与实现XML--based 基于XML的WEB信息抽取系统研究与实现 XML--based WEB Information Extraction System Research and Implementation Abstract As computer science and technology and the Internet continue to develop，web has become essential in our work and life．Web information resources are growing on the number of exponentially,web has become a huge repository of information，in order to obtain desired information accurately and effectively becomes more and more difficult，and how to extract useful _ information from a web information repository has become the subject of many research scientists， web information extraction technology is presented． Based on the resrarch in existing web information extraction technology and combined with the standard XML technology，XML-based w