網(wǎng)絡(luò)商品信息搜索與抽取技術(shù)應(yīng)用研究.pdf

1、　　隨著互聯(lián)網(wǎng)的發(fā)展，網(wǎng)絡(luò)購(gòu)物逐漸的被人們所接受，電子商務(wù)也快速的發(fā)展起來(lái)。然而面臨網(wǎng)絡(luò)中豐富的商品，如何從中找到滿意的商品信息，成為目前網(wǎng)絡(luò)用戶所面臨的問(wèn)題之一。
　　網(wǎng)頁(yè)信息搜索與抽取技術(shù)是解決該問(wèn)題的重要途徑之一，可細(xì)分為網(wǎng)頁(yè)搜索和信息抽取。網(wǎng)頁(yè)搜索是指從互聯(lián)網(wǎng)中搜索網(wǎng)頁(yè)，目前主要的網(wǎng)頁(yè)搜索技術(shù)有目錄搜索、全文搜索以及元搜索。信息抽取是指對(duì)網(wǎng)頁(yè)中的信息進(jìn)行結(jié)構(gòu)化處理，輸出結(jié)構(gòu)化信息，可以分為基于自然語(yǔ)言、包裝器、本體、H

2、TM L結(jié)構(gòu)和Web查詢五種信息抽取技術(shù)?，F(xiàn)有的網(wǎng)絡(luò)商品信息搜索工具如比價(jià)網(wǎng)、愛(ài)購(gòu)物、比價(jià)助手等采用人工進(jìn)行規(guī)則抽取，自動(dòng)化差。
　　本文對(duì)網(wǎng)絡(luò)商品信息搜索和抽取技術(shù)進(jìn)行了深入的研究和探討，設(shè)計(jì)了一種“雙層”元搜索引擎，并針對(duì)元搜索技術(shù)的特點(diǎn)對(duì)FindDR信息抽取算法進(jìn)行了改進(jìn)。主要工作如下：
　　1)提出了一種“雙層”元搜索引擎。該方法通過(guò)百度搜索引擎搜索購(gòu)物網(wǎng)站，提取其中包含的購(gòu)物網(wǎng)站站內(nèi)引擎信息，并以這些搜索引

3、擎為子引擎實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)商品搜索。通過(guò)“雙層”元搜索引擎可以實(shí)現(xiàn)對(duì)子搜索引擎的自動(dòng)維護(hù)。
　　2)對(duì)FindDR算法進(jìn)行改進(jìn)。FindDR算法是一種適用于對(duì)具有重復(fù)結(jié)構(gòu)網(wǎng)頁(yè)進(jìn)行信息抽取的信息抽取算法，本文通過(guò)元搜索引擎搜索結(jié)構(gòu)網(wǎng)頁(yè)與搜索詞的對(duì)應(yīng)關(guān)系對(duì)FindDR算法進(jìn)行改進(jìn)，提高了算法的運(yùn)行效率。
　　3)將以上設(shè)計(jì)用JAVA語(yǔ)言實(shí)現(xiàn)并運(yùn)用在一款網(wǎng)絡(luò)比價(jià)軟件的開(kāi)發(fā)中，通過(guò)實(shí)際的大量網(wǎng)絡(luò)商品搜索實(shí)驗(yàn)，驗(yàn)證了系統(tǒng)可以自動(dòng)添加