面向kms的web信息采集机制探究新.pdfVIP

维普资讯 面向KMS的Web信息 采集机制研究 口 林泽斐 ／福建师范大学社会历史学院 福建 55001 摘要：Web是知识管理系统 (KMS)信息采集的重要来源之一，但其数据的庞杂无序和半结构化特性给信 息采集工作造成 了一定难度。文章对Web信息采集机制，特别是HTMLS~构特征分析法进行 了探讨，并结合采 集机制研究，以建立企业名录信息库为例，说明采集系统如何最大限度地提高KMS基础信息采集的能力。 关键词：知识管理系统，信息采集，信息提取 知识管理己日益被认为是提高组织竞争力的重 是用各 自不同的格式表示本质上相同或相近的信息， 要手段，知识管理理念的普及促使了以知识获取和 这就需要建立针对信息内容的统一采集、转换机制使 管理为核心的知识管理系统 (KnowledgeManagement 之可以以结构化的方式访问。知识循环体系建立在信 System，KlVlS)的出现。然而当前的各类KMS更加注 息采集基础之上，通过信息采集系统提供的海量结构 重机构内部的知识整合，缺乏有效的组织外部知识积 化信息，KiVIS可以很方便地利用计算机对信息进行 累与采集体系，无法对机构外部知识进行动态的更新 深层次挖掘，从而实现知识的自动积累。 和维护以提升知识管理系统的活力。Web作为一个庞 根据数据的结构化特征划分，gAdS可采集的数 大的分布式超文本文档库，从诞生至今其信息容量呈 据对象可分为四种类型：结构化的内部数据、非结构 爆炸性的增长。如何从Web海量的、半结构化形式的 化的内部数据、结构化的外部数据和非结构化的外部 数据中采集 “稀缺信息”为机构知识管理服务己成为 数据，由于Web数据多呈半结构化或非结构化特性， 机构提高其竞争力的关键，本文将对此进行探讨。 因此本文将重点论述半结构化数据的采集并研究如何 将其转化为结构化信息。 1Web异构信息采集对提升组织知 外部数据是指借助于各种组织外部公开使用的信 识管理水平的影响 息传播媒介，通过整理、选择、过滤、综合后产生的 知识集合。具体的公开传播介质包括：Internet上与机 知识框架根据人们认知程度的不同具体可以划分 构相关的数据资源、公开发行的出版物上记载的与机 为数据、信息、知识三个层次 1]『。数据是原始函数； 构及机构生存环境有关的备类信息，供应链上下游反 信息是数据根据特定的关联性和 目的性组合而成的具 馈的与机构生产经营相关的记录等。 有新内容、新知识的消息；知识则属于智力资本范 异构即来源不同、格式不同、载体不同的非结 畴，是可用于指导行动的信息。在从数据到知识的转 构化或半结构化的数据集合，在组织外部尤其是W_eb 换过程中，由于冗余信息的减少，使得信息总体数量 上存在着大量与机构相关的具有一定采集价值的异构 下降，价值不断增加 。 数据，如网络上公布的以动态网页形式表现的机构信 信息采集在知识的循环过程中解决了数据到信息 息库、众多合作经营厂商或竞争对手网站上公布的机 的转换问题。组织外部数据中存在的数据高度异构、 构动态数据、相关政府部门网站上的最新公告、人才 具有复杂的内在语义、充满多义性且往往 以半结构或 招聘网站的众多人事档案资料等。此类数据由于冗余 非结构化的形式出现，这些数据并不能很好地为人们 数据多 (存在广告、导航条等与内含信息无关的数 所使用。譬如