Internet上的信息提取.pdfVIP

1IIternet上的信息提取 前言 自从六十年代出现网络互联，到现在发展成全球性的Internet，计算机网 络在儿十年来迅猛发展，并在无形中改变了我们工作和生活的方式。在这个网络 时代，符种各样的信息正在以爆炸性的速度增长，作为信息时代的载体一 Internet，互联网页上的信息更是浩如烟海。 信息扩张的速度是如此之快，大量信息在给人们带来方便的同时也带来了一 大堆问题：第一是信息过量，难以消化；第二是信息真假难以辨识；第三是信息 安全难以保证；第四是信息形式不一致，难以统一处理。人们开始提出一个新的 口号：”要学会抛弃信息’。人们开始考虑：’如何才能不被信息淹没，而是从中 及时发现有用的知识、提高信息利用率?”。这样web数据挖掘技术应运而生， 面对海量的网络信息，它专门研究如何从网络上提取出有用的信息， 网页上的大部分信息都是以HT虬的格式来发布的，而HTML语言的设计是让 人们浏览用的，所以几乎所有的数据都是无规则的放置在格式标签里面，很难用 于自动处理。半结构化或者无结构化的网页布局加大了数据分析的难度。 为了更好的利用和处理网络上的信息，当前信息产业的技术产生了两个发展 方向，一个是语