收藏本站
《大连理工大学》 2005年
收藏 | 手机打开
二维码
手机客户端打开本文

基于Internet的信息抽取技术研究

李跃进  
【摘要】:随着Internet上信息的迅猛增长,网络已成为最为重要的知识库,人们对高效率的信息获取技术的需求越来越迫切。因此,应用信息抽取技术,从网页中自动地抽取有用信息是的智能信息处理的一个重要研究课题。信息抽取系统从Internet上抽取的信息不仅可以直接提供给用户,还可以作为构建智能查询系统和数据挖掘系统的基础,有着广阔的应用前景。目前,信息抽取技术的研究已成为国际上自然语言处理领域的研究热点之一。 本文首先介绍了信息抽取技术的发展历程、关键技术、困难问题和评价标准,回顾了信息抽取技术研究的进展,对几种典型的Web信息抽取技术进行了综合比较。 本文提出一种改进的Wrapper归纳方法,半自动地生成Wrapper程序,提供一个很友好的可视化的交互式用户界面,让用户以可视化、交互式的方式对样本页面中的信息进行标记,用户既不需要手工地转换HTML文档,也不需要更多相关语言学知识,只需要直接在浏览器显示的样本页面中对文本做出标记。系统通过学习用户标记的信息集,实现包装器的自动生成,对同类网页进行信息抽取。 考虑到中文处理的特点和信息抽取的目标要求,本文利用基于最大熵模型的中文组块分析方法,对文本进行浅层句法分析。文中明确了中文组块的定义,列出了模型中所有的组块类型及组块标注符号,然后讨论了模型中组块的划分识别及特征选取,给出了相关的特征选择过程和算法。本文引入基于聚类的模式生成方法自动生成抽取模式,采用模式匹配的方法,实现中文自由文本信息的自动抽取。本文利用数据库与XML相结合的方式组织信息库,实现信息的Web表示。 在此基础上,本文设计并实现了一个基于Internet的军事演习信息抽取系统,并就信息获取、信息抽取、信息库组织及用户查询进行详细介绍,最后给出了实验结果和系统分析。
【学位授予单位】:大连理工大学
【学位级别】:硕士
【学位授予年份】:2005
【分类号】:TP393.09

【引证文献】
中国期刊全文数据库 前3条
1 余承健;;基于表格语义的Web信息抽取方法的研究[J];电脑知识与技术;2008年12期
2 何振华;李兴;;电信市场竞争对手信息搜集系统开发[J];电脑知识与技术;2010年17期
3 程风刚;;基于智能Agent的个性化信息服务模型的构建[J];计算机时代;2009年10期
【参考文献】
中国期刊全文数据库 前5条
1 朱靖波,姚天顺;中文信息自动抽取[J];东北大学学报;1998年01期
2 李保利,陈玉忠,俞士汶;信息抽取研究综述[J];计算机工程与应用;2003年10期
3 周强,孙茂松,黄昌宁;汉语句子的组块分析体系[J];计算机学报;1999年11期
4 李素建,刘群,杨志峰;基于最大熵模型的组块分析[J];计算机学报;2003年12期
5 郑家恒,王兴义,李飞;信息抽取模式自动生成方法的研究[J];中文信息学报;2004年01期
【共引文献】
中国期刊全文数据库 前10条
1 张世海,刘晓燕,欧进萍;高层结构智能选型知识发现及方法比较[J];四川建筑科学研究;2005年05期
2 潘洁珠;半结构化数据及其数据模型[J];安徽教育学院学报;2003年06期
3 赵鹏,倪志伟,贾瑞玉;基于数据挖掘技术的范例库维护[J];安徽大学学报(自然科学版);2003年02期
4 梁佩佩,杨丽萍;基于模糊关系数据库的聚类算法研究[J];安徽职业技术学院学报;2004年01期
5 章曙光;耿焕同;;一种改进的基于聚类的范例添加删除维护模型[J];安徽建筑工业学院学报(自然科学版);2006年01期
6 李永森;潘若愚;李传军;;公共设施选址优化研究[J];安徽建筑工业学院学报(自然科学版);2009年06期
7 李红梅;贺小扬;王雪冬;;粗糙集理论在农业知识发现中的应用研究[J];安徽农业科学;2008年06期
8 唐超礼;魏圆圆;;基于数据挖掘的植保预测系统[J];安徽农业科学;2008年12期
9 耿焕同,陈少军;一种基于传统VSM和词共现概念的中文文本聚类的研究[J];安徽师范大学学报(自然科学版);2005年01期
10 徐文莉;;基于最大熵方法的DaR风险度量模型[J];安徽师范大学学报(自然科学版);2007年01期
【同被引文献】
中国期刊全文数据库 前10条
1 邱怀姗,朱群雄;基于MS Analysis Services的OLAP分析系统的设计与实现[J];北京化工大学学报(自然科学版);2004年01期
2 王茹,宋瀚涛,陆玉昌;基于树自动机的网页数据抽取[J];北京理工大学学报;2004年09期
3 吴晓伟,陶仁泉,谢春讯;我国企业竞争情报系统的现状及其发展思路[J];商业研究;2004年17期
4 李纪;孙颖;;企业竞争情报系统绩效评价指标体系的研究[J];商业研究;2006年16期
5 朱靖波,姚天顺;中文信息自动抽取[J];东北大学学报;1998年01期
6 高立敏;李俊;肖艳芹;;基于Web的网络信息挖掘技术研究[J];电脑知识与技术;2010年16期
7 杨梁彬;文本检索的潜在语义索引法初探[J];大学图书馆学报;2003年06期
8 刘永明;董彩凤;;异构数据库系统集成的应用研究[J];电子商务;2007年11期
9 林亚平,刘云中,周顺先,陈治平,蔡立军;基于最大熵的隐马尔可夫模型文本信息抽取[J];电子学报;2005年02期
10 周俊生;戴新宇;尹存燕;陈家骏;;基于层叠条件随机场模型的中文机构名自动识别[J];电子学报;2006年05期
【二级引证文献】
中国期刊全文数据库 前5条
1 陈力丹;曹文星;;2012年新媒体技术与应用走势分析[J];编辑之友;2013年02期
2 戴慧敏;朱艳辉;;WEB就业信息抽取技术研究[J];电脑知识与技术;2013年10期
3 杨雪松;刘勇;;基于BP和SOM神经网络的云平台数据合并技术[J];甘肃科技;2013年09期
4 邓箴;;基于二维关联边条件随机场的Web信息抽取[J];价值工程;2010年34期
5 戴慧敏;朱艳辉;唐杰;;Web信息抽取技术研究[J];科技信息;2013年06期
【二级参考文献】
中国期刊全文数据库 前6条
1 周强,黄昌宁;汉语概率型上下文无关语法的自动推导[J];计算机学报;1998年05期
2 姚天顺,张桂平,吴映明;基于规则的汉语自动分词系统[J];中文信息学报;1990年01期
3 周强;规则和统计相结合的汉语词类标注方法[J];中文信息学报;1995年03期
4 周强,俞士汶;汉语短语标注标记集的确定[J];中文信息学报;1996年04期
5 周强,张伟,俞士汶;汉语树库的构建[J];中文信息学报;1997年04期
6 赵军,黄昌宁;基于转换的汉语基本名词短语识别模型[J];中文信息学报;1999年02期
【相似文献】
中国期刊全文数据库 前10条
1 张云冬;徐和祥;胡运发;邓河;;基于个性化图书馆的Deep Web Crawler研究与实现[J];计算机应用与软件;2009年04期
2 李跃进;赵晶;林鸿飞;;基于Internet的军事演习信息抽取系统[J];计算机工程与应用;2006年14期
3 贾美英;杨炳儒;郑德权;曹鸿强;杨靖;张练;;基于模式匹配的军事演习情报信息抽取[J];现代图书情报技术;2009年09期
4 李胜利;李昌清;袁平鹏;刘英书;;基于Web的电子期刊元数据信息抽取方法[J];华中科技大学学报(自然科学版);2007年12期
5 郑彦宁;化柏林;张新民;;信息检索与信息抽取差异性探析[J];图书情报工作;2007年10期
6 邓擘;郑彦宁;樊孝忠;;信息抽取中实体关系模式的可信度评估[J];情报理论与实践;2009年12期
7 王胜,朱明;基于最大熵马尔可夫模型的地址信息抽取[J];计算机工程与应用;2005年21期
8 黄锋;吴华瑞;;一种自适应的Web信息抽取规则自动生成方法[J];广西师范大学学报(自然科学版);2010年01期
9 马静;倪辉峰;;基于模式匹配抽取技术的网上产品情报获取[J];情报理论与实践;2007年02期
10 徐健;张智雄;吴振新;;实体关系抽取的技术方法综述[J];现代图书情报技术;2008年08期
中国重要会议论文全文数据库 前10条
1 崔欣辰;曲宁;陈青华;;隐马尔可夫模型在Web信息抽取中的几点改进[A];全国第4届信号和智能信息处理与应用学术会议论文集[C];2010年
2 李纪华;夏薇;;基于XML的web信息提取方法研究[A];全国高校社科信息资料研究会第六次会员代表大会暨第13次学术研讨会论文集[C];2010年
3 吴雪军;朱靖波;王会珍;叶娜;张宇新;;Co-Training的机器学习方法在中文机构名识别中的应用[A];语言计算与基于内容的文本处理——全国第七届计算语言学联合学术会议论文集[C];2003年
4 姜吉发;王树西;;一种自举的二元关系获取方法[A];NCIRCS2004第一届全国信息检索与内容安全学术会议论文集[C];2004年
5 朱江涛;蔡东风;张桂平;;一种基于网络的英文缩略语信息的自动抽取方法[A];全国第八届计算语言学联合学术会议(JSCL-2005)论文集[C];2005年
6 徐林昊;杨文柱;陈少飞;郝亚南;李天柱;;基于XPath的Web信息抽取[A];第十九届全国数据库学术会议论文集(研究报告篇)[C];2002年
7 乔春庚;肖诗斌;孙丽华;施水才;;规则与统计相结合的案件名称识别[A];第三届学生计算语言学研讨会论文集[C];2006年
8 夏云庆;黄锦辉;;中文网络非正规语言处理的方法与实践[A];全国第八届计算语言学联合学术会议(JSCL-2005)论文集[C];2005年
9 周国栋;孔芳;朱巧明;;指代消解:国内外研究现状及趋势[A];内容计算的研究与应用前沿——第九届全国计算语言学学术会议论文集[C];2007年
10 徐云风;蒋文蓉;;Web页面信息抽取的分析与研究[A];IT服务促进企业信息化——第十一届中国Java技术及应用交流大会文集[C];2008年
中国重要报纸全文数据库 前10条
1 史小敏;前景广阔的信息抽取技术[N];解放军报;2004年
2 彭芳;搜索也专业[N];中国计算机报;2004年
3 本报记者 王翌;8848:优化EC流程[N];计算机世界;2004年
4 上海交通大学APEX数据和知识管理实验室 王昊奋俞勇;语义Web推动下一代搜索[N];计算机世界;2007年
5 司静辉;直击数字环境下情报技术发展动向[N];科技日报;2007年
6 董振东;到用户中去[N];中国计算机报;2003年
7 本报记者 边歆;泥上指爪印深痕[N];网络世界;2005年
8 陈胜权;综合分析引擎提升UTM性能[N];中国计算机报;2007年
9 中国物流联盟网总经理 张铎;基于Internet的综合物流代理系统[N];国际商报;2000年
10 天津塘沽海军后勤学院计算机中心 董翔英;基于Internet的现代远程教学交互方式[N];网络世界;2001年
中国博士学位论文全文数据库 前10条
1 刘亚清;开放式环境中的本体演化及其在信息抽取的应用研究[D];大连海事大学;2011年
2 刘娜;文本自动摘要和信息抽取方法及其应用研究[D];大连海事大学;2012年
3 李传席;基于本体的自适应Web信息抽取方法研究[D];中国科学技术大学;2012年
4 黄健斌;基于条件概率图模型的Deep Web数据抽取与集成研究[D];西安电子科技大学;2007年
5 张奇;信息抽取中实体关系识别研究[D];中国科学技术大学;2010年
6 胡国平;基于超大规模问答对库和语音界面的非受限领域自动问答系统研究[D];中国科学技术大学;2007年
7 张乃洲;实体搜索爬虫和信息抽取研究[D];武汉大学;2011年
8 余传明;基于本体的语义信息系统研究[D];武汉大学;2005年
9 钱伟中;基于判别式模型的蛋白质互作用文本挖掘技术研究[D];电子科技大学;2011年
10 陈治平;智能搜索引擎理论与应用研究[D];湖南大学;2003年
中国硕士学位论文全文数据库 前10条
1 金璐钰;基于框架的事件抽取关键技术研究[D];苏州大学;2010年
2 杨柱;基于DIV标签树的网页主题信息抽取方法[D];湖南大学;2010年
3 田红;表格信息抽取引擎的设计与实现[D];西北师范大学;2004年
4 杨文柱;基于领域知识和信息抽取的个性化Web查询系统[D];河北大学;2002年
5 张志强;Web信息抽取技术研究与基于Web service的实现[D];河北大学;2004年
6 陈兰;基于ontology的信息抽取系统的研究与实现[D];电子科技大学;2004年
7 孟令谦;基于ontology的中文信息抽取系统的研究与实现[D];电子科技大学;2004年
8 王花;Web信息抽取技术研究[D];西北农林科技大学;2010年
9 杨秀丽;基于网页内容分析的Web信息抽取技术及其应用[D];河北科技大学;2010年
10 廉成洋;基于树结构的Web信息抽取技术研究[D];南京航空航天大学;2010年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026