模糊樹自動機的構(gòu)造及最小化算法的研究.pdf

1、如今，隨著人們經(jīng)濟條件的提高和科學(xué)技術(shù)水平的發(fā)展，Web信息也越來越龐大和復(fù)雜。如何從網(wǎng)頁的海量信息中抽取出用戶所需要的信息，成為研究的熱點之一。而網(wǎng)頁信息數(shù)據(jù)間的語義交叉和語義模糊，使得傳統(tǒng)的信息抽取技術(shù)不能滿足用戶的需要。為了解決這一問題，本論文研究了如何使用模糊樹自動機技術(shù)來實現(xiàn) Web信息抽取，并提出了模糊樹自動機的構(gòu)造方法、樹自動機和模糊樹自動機的最小化算法。
　　本論文主要工作及采用的主要技術(shù)如下：
　?。?）構(gòu)

2、造無秩樹自動機模型。依據(jù)網(wǎng)站中網(wǎng)頁信息的樹狀結(jié)構(gòu)，將頁面中的HTML/XML通過DOM解析器，生成無秩DOM樹集，為了解決無秩樹節(jié)點數(shù)目不確定性，本文依據(jù)DOM樹集構(gòu)造(k,l)contextual樹，得到可控制高度和寬度的樹，利用雙向轉(zhuǎn)移函數(shù)，構(gòu)造無秩樹自動機。
　?。?）采用Rough集技術(shù)處理信息模糊性及構(gòu)造模糊樹自動機模型。依據(jù)Rough集理論構(gòu)造符合處理網(wǎng)頁信息模糊性的容錯關(guān)系模型，再結(jié)合容錯關(guān)系模型與Rough集理論中

3、的上近似關(guān)系，實現(xiàn)了“核信息”詞語的擴展，較好地解決了信息間的模糊性，增加抽取信息的準確性；并在此基礎(chǔ)上提出了構(gòu)造模糊樹自動機的過程，通過實驗，驗證了該模糊樹自動機模型在抽取信息中的有效性。
　　（3）樹自動機及模糊樹自動機的最小化。樹自動機最小化的難點在于對樹狀態(tài)進行分類時，可能產(chǎn)生新的字符串狀態(tài)分類。本文提出了通過定義三個操作符，追蹤標(biāo)記樹狀態(tài)和字符串狀態(tài)的方式來解決這個難點；利用狀態(tài)集的模糊等價，構(gòu)造模糊等價類；利用互模擬技