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

基于本体的Web非规范知识处理中信息抽取技术研究

刘艺琴  
【摘要】:随着Internet的快速发展,互联网的信息以每四到六个月翻一倍的速度迅猛增长,传统的依靠浏览器以及关键字检索查询的搜索引擎已经越来越难满足人们对互联网信息服务的需要,如何帮助人们准确有效地找出自己所需要的信息资料,已经越来越迫切的摆在我们的面前。针对Internet上文本的半结构化和无结构化的特点,我们在信息抽取中引入了Ontology(本体)的技术,提出了一种基于Ontology,能处理语义的Web信息抽取(Information Extraction,缩写为IE)技术。该技术通过将互联网上以不同形式分散在不同网站上的同一主题的信息收集在一起,并用结构化形式存储,从而为用户提供简洁、准确的信息。信息抽取技术是一种面向具体任务的实用的文档理解技术。与复杂的自然语言理解技术不同,IE技术通常采用浅层的文本分析技术,提取出设计者关注的特定主题领域的信息。该技术适用于具有特定主题及对相对确定的信息结构的文档如广告,新闻,旅游,股票、会议日程等。 自动信息抽取技术是近十年来发展起来的。有两个因素对其发展有重要的影响:一是在线和离线文本数量的几何级增加,另一是“消息理解研讨会”(MUC)近十几年来对该领域的关注和推动。根据各种工具所采用的原理将现有的工具分为以下5类:基于自然语言处理方式的信息抽取、包装器归纳方式的信息抽取、基于HTML结构的信息抽取和基于Web查询的信息抽取、基于Ontology方式的信息抽取。基于自然语言处理方式的信息抽取在一定程度上借鉴了自然语言处理技术,利用子句结构,短语和子句间的关系建立基于语法和语义的抽取规则实现信息抽取,该种抽取方法的实现非常复杂,抽取效率也比较低;包装器归纳方式的信息抽取根据事先由用户标记好的样本实例应用机器学习方式的归纳算法,生成基于定界符的抽取规则,该种信息抽取方法需要大量的样本文本。基于HTML结构的信息抽取技术特点是,根据Web页面的结构定位信息,在信息抽取之前通过解析器将Web文档解析成语法树,通过半自动化的方式产生抽取规则,将信息抽取转化为对语法树的操作实现信息抽取,这种信息抽取方法对文本结构的要求比较严格,同一抽取系统只能应用于相同或类似结构的文本;基于Web查询的信息抽取将Web信息抽取转化为使用标准的Web查询语言对Web文档的查询,具有通性。但该种方法需要先把Web信息转化为符合XML文法的形势,然后再根据其结构写查询语句,另外这种方法对文本格式的要求也比较严格。本文应用的基于Ontology的信息抽取主要是利用本身的描述信息实现抽取。这种信息抽取方法是首先建立领域本体,然后根据领域本体的关键字和概念属性建立抽取规则,根据领域本体
【学位授予单位】:昆明理工大学
【学位级别】:硕士
【学位授予年份】:2005
【分类号】:TP391.1

【引证文献】
中国硕士学位论文全文数据库 前4条
1 孙文婷;基于语义的网上股评信息的提取研究[D];武汉理工大学;2011年
2 边杰;一种基于Jena的语义检索模型研究与实现[D];西安电子科技大学;2008年
3 张岩;基于本体的综合评价文本自动生成系统研究[D];中国石油大学;2009年
4 陈立娜;基于本体的旅游领域Web信息抽取[D];广西师范大学;2009年
【参考文献】
中国期刊全文数据库 前2条
1 孙承杰,关毅;基于统计的网页正文信息抽取方法的研究[J];中文信息学报;2004年05期
2 贺胜;信息抽取技术内涵及应用[J];南京师范大学文学院学报;2004年02期
【共引文献】
中国期刊全文数据库 前10条
1 高博;朱东华;韩士雄;;一种智能化的信息采集系统的研究与实现[J];兵工学报;2009年S1期
2 刘椿年,宋霞;基于Boosting的半结构化信息抽取[J];北京工业大学学报;2005年02期
3 傅骞;温晓辉;;开放式Web信息抽取系统研究与实现[J];北京师范大学学报(自然科学版);2005年06期
4 何章鸿;董守斌;;基于XPath的广告数据提取研究[J];江西师范大学学报(自然科学版);2008年02期
5 何友全;徐澄;徐小乐;唐华姣;;一种基于统计学特征和DOM树的网页去噪技术[J];重庆理工大学学报(自然科学版);2011年01期
6 李绍英;;基于代理技术的比较购物研究[J];当代经理人;2006年10期
7 孙铁利;教巍巍;刘淑华;;Web-Based Information Extraction Technology[J];Journal of Donghua University(English Edition);2007年02期
8 王楠;;一种实现Web数据到XML文档的转换算法[J];大连海事大学学报;2010年03期
9 宋明秋;张瑞雪;吴新涛;李文立;;网页正文信息抽取新方法[J];大连理工大学学报;2009年04期
10 贺令亚;柳佳刚;;基于Web的包装器技术的现状与发展[J];电脑开发与应用;2007年06期
中国重要会议论文全文数据库 前10条
1 陈红兵;;基于XML的电子政务信息集成框架[A];2005年“数字安徽”博士科技论坛论文集[C];2005年
2 胡飞;;一种Web页面的主题区域搜索方法[A];2008年计算机应用技术交流会论文集[C];2008年
3 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
4 王春元;张韬;;一种获取网页主要中文信息的方法[A];全国计算机安全学术交流会论文集(第二十四卷)[C];2009年
5 刘秉权;王喻红;葛冬梅;李佳;;基于结构树解析的网页正文抽取方法[A];黑龙江省计算机学会2007年学术交流年会论文集[C];2007年
6 ;A Classification Method for Web Information Extraction[A];Proceedings of the First Conference on Web Information System and Applications[C];2004年
7 汪建伟;高军;王腾蛟;杨冬青;;一种基于显示属性的网页信息提取方法[A];全国网络与信息安全技术研讨会论文集(上册)[C];2007年
8 叶娜;吴雪军;朱靖波;陈文亮;;基于相似计算的信息抽取模板自动获取方法[A];第二届全国学生计算语言学研讨会论文集[C];2004年
9 叶娜;罗海涛;朱靖波;张斌;;基于归纳逻辑编程的多槽信息抽取规则自动学习方法[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
10 时达明;林鸿飞;杨志豪;;基于网页框架和规则的网页噪音去除方法[A];第三届学生计算语言学研讨会论文集[C];2006年
中国博士学位论文全文数据库 前10条
1 张慧斌;Deep Web查询接口及查询结果抽取研究[D];南开大学;2010年
2 邓斌;B2C在线评论中的客户知识管理研究[D];电子科技大学;2010年
3 陈珂锐;基于本体演化的Deep Web数据抽取与注释[D];吉林大学;2011年
4 龙华;定义问答检索关键技术研究[D];重庆大学;2010年
5 黄九鸣;面向舆情分析和属性发现的网络文本挖掘技术研究[D];国防科学技术大学;2011年
6 李莎莎;面向搜索引擎的自然语言处理关键技术研究[D];国防科学技术大学;2011年
7 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
8 聂铁铮;Deep Web中Web数据库集成关键技术的研究[D];东北大学;2009年
9 寇月;Deep Web实体搜索的关键技术研究[D];东北大学;2009年
10 俞方桦;互联网信息资源整合研究[D];东华大学;2001年
中国硕士学位论文全文数据库 前10条
1 樊敬川;Deep Web数据库的选择研究[D];河北大学;2009年
2 孙岭;一种基于前缀表达式的Web信息抽取方法的关键问题的实现[D];山东科技大学;2010年
3 雷斌;基于Java技术的智能化搜索引擎的研究与设计[D];哈尔滨工程大学;2010年
4 王浩;NetFlow数据处理与异常检测研究[D];哈尔滨工程大学;2010年
5 王乐超;Web环境下文献信息的提取与匹配研究[D];大连理工大学;2010年
6 王培正;基于Deep Web的网络信息抽取技术研究[D];华南理工大学;2010年
7 谷文;基于概念树的Web信息抽取技术研究[D];长春工业大学;2010年
8 王葛;Deep Web接口集成与数据标注方法研究[D];长春工业大学;2010年
9 黄亮;知识产权预警机制在服务外包平台中的应用研究[D];南昌大学;2010年
10 赛子龙;日志分析数据同步机制在区域微软技术中心营运平台中的应用研究[D];南昌大学;2010年
【同被引文献】
中国期刊全文数据库 前10条
1 邓志鸿,唐世渭,张铭,杨冬青,陈捷;Ontology研究综述[J];北京大学学报(自然科学版);2002年05期
2 徐泽林;;股评人是股市的盐[J];股市动态分析;2005年51期
3 陈少飞,郝亚南,李天柱,徐林昊,杨文柱;Web信息抽取技术研究进展[J];河北大学学报(自然科学版);2003年01期
4 徐涵;;顶级专家Frank van Harmelen揭秘语义网[J];程序员;2007年11期
5 史忠植,董明楷,蒋运承,张海俊;语义Web的逻辑基础[J];中国科学E辑:信息科学;2004年10期
6 王降汾;股评特点探微[J];经济论坛;2001年13期
7 廖乐健,曹元大,李新颖;基于Ontology的信息抽取[J];计算机工程与应用;2002年23期
8 李学勇,欧阳柳波,李国徽,钟敏娟;网络蜘蛛搜索策略比较研究[J];计算机工程与应用;2004年04期
9 王丽丽;曹存根;顾芳;田雯;;基于本体论的民族知识获取与分析[J];计算机科学;2003年05期
10 顾芳;曹存根;;知识工程中的本体研究现状与存在问题[J];计算机科学;2004年10期
中国博士学位论文全文数据库 前1条
1 余传明;基于本体的语义信息系统研究[D];武汉大学;2005年
中国硕士学位论文全文数据库 前10条
1 刘文彬;模糊综合评价系统研究与实现[D];河北工业大学;2003年
2 汪沛;高等学校教师管理评估体系的研究[D];大连海事大学;2003年
3 狄慧;基于Agent的Web信息抽取研究[D];大连理工大学;2004年
4 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
5 冯茜;面向信息抽取的ontology设计与实现[D];电子科技大学;2005年
6 郑丽萍;本体映射的研究[D];山东科技大学;2005年
7 王晓华;基于内容的搜索引擎技术研究及其应用[D];郑州大学;2005年
8 陈琮;基于Jena的本体检索模型设计与实现[D];武汉大学;2005年
9 黄淑芹;综合评价决策支持系统模型的研究与设计[D];合肥工业大学;2006年
10 潘照明;智能中文搜索引擎若干关键技术的研究与实现[D];浙江大学;2006年
【二级引证文献】
中国期刊全文数据库 前2条
1 黄宪通;张静;;本体及其在智能信息检索系统中的应用[J];南阳理工学院学报;2011年06期
2 周建忠;徐晨飞;;基于语义的网络化楚辞文献资源智能检索系统设计与实现研究[J];江苏师范大学学报(哲学社会科学版);2013年02期
中国博士学位论文全文数据库 前2条
1 杨志和;教育资源云服务本体与技术规范研究[D];华东师范大学;2012年
2 薛庆吉;基于3G网络的移动学习平台关键技术研究与应用[D];武汉理工大学;2011年
中国硕士学位论文全文数据库 前10条
1 刘杰雄;基于本体的爆破行业信息搜索技术的研究[D];华南理工大学;2010年
2 董小艳;陕西农机化水平评价及耕种收机械化水平预测研究[D];西北农林科技大学;2010年
3 魏春良;本体的构建方法与应用研究[D];电子科技大学;2011年
4 许亮;基于WSMO的数字图书馆网格应用模型研究[D];湖北工业大学;2011年
5 兰凯梅;BBS热点话题发现与监控系统[D];北京交通大学;2011年
6 孙文婷;基于语义的网上股评信息的提取研究[D];武汉理工大学;2011年
7 石京;基于语义本体的垂直搜索引擎模型研究[D];大连海事大学;2011年
8 徐卫;Web新闻热点发现系统的设计与实现[D];华中科技大学;2011年
9 孙奎;基于本体的果树病虫害知识表示与推理的研究[D];辽宁工程技术大学;2011年
10 王腊梅;基于本体的学习资源生态化管理与应用的研究[D];华东师范大学;2010年
【二级参考文献】
中国期刊全文数据库 前9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 张绍华,徐林昊,杨文柱,薛文玲,李天柱;基于样本实例的Web信息抽取[J];河北大学学报(自然科学版);2001年04期
3 高军 ,王腾蛟 ,杨冬青 ,唐世渭;基于Ontology的Web内容二阶段半自动提取方法[J];计算机学报;2004年03期
4 李芳,盛焕烨,姚天昉;信息检索与信息抽取技术的研究[J];计算机应用研究;2002年01期
5 王庆一,王继成,周源远,袁春风;多信息块Web页面的信息抽取[J];计算机应用研究;2002年10期
6 王宁;模板处理在信息抽取过程中的应用[J];江西图书馆学刊;2001年02期
7 宋睿华,马少平,陈刚,李景阳;一种提高中文搜索引擎检索质量的HTML解析方法[J];中文信息学报;2003年04期
8 刘挺,吴岩,王开铸;基于信息抽取和文本生成的自动文摘系统设计[J];情报学报;1997年S1期
9 孙斌;信息提取技术概述(上)[J];术语标准化与信息技术;2002年03期
【相似文献】
中国期刊全文数据库 前6条
1 刘爽;;信息抽取技术及其在数字图书馆中的应用前景分析[J];现代情报;2006年11期
2 黄晨;;语义关系抽取发展现状及抽取方法的研究[J];福建电脑;2009年06期
3 崔春;龚捷;;Web信息抽取研究综述[J];电脑知识与技术;2011年10期
4 龙丽;庞弘燊;;国外Web信息抽取研究综述[J];图书馆学刊;2008年05期
5 朱晴;姜利群;张言辉;;半结构化的Deep Web信息抽取技术[J];电脑知识与技术;2010年15期
6 田学东;李树成;;WEB主题检索的性能优化设计[J];计算机工程与应用;2006年04期
 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