文本信息抽取與分類系統(tǒng)研究與設(shè)計(jì).pdf

1、隨著英特網(wǎng)的迅速發(fā)展，網(wǎng)絡(luò)上的信息量飛速增加，給人們的生活和工作帶來(lái)了很大的便利，但信息量的增加也使信息的準(zhǔn)確獲取越來(lái)越難，如何準(zhǔn)確的獲取人們所需的信息，成為信息處理的研究熱點(diǎn)。本文研究文本信息抽取與分類技術(shù)，主要工作如下：
　　 (1)首先概述了文本信息抽取的三種模型，并分析了它們的優(yōu)缺點(diǎn)。在此基礎(chǔ)上主要研究基于包裝器的抽取模型。針對(duì)使用包裝器時(shí)存在信息抽取不全的問(wèn)題，提出了一種基于XML的信息聚合方法。該方法通過(guò)將HTML頁(yè)

2、面轉(zhuǎn)換為XML頁(yè)面，在XML頁(yè)面中對(duì)文本信息進(jìn)行聚合。分析和實(shí)驗(yàn)表明，對(duì)比普通的包裝器，使用該方法構(gòu)建的包裝器能有效的聚合和抽取文本信息。
　　 (2)結(jié)合一個(gè)實(shí)際應(yīng)用項(xiàng)目和前述的包裝器抽取模型，設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)網(wǎng)頁(yè)智能文本抽取系統(tǒng)，文中給出了系統(tǒng)框架和各個(gè)模塊的功能設(shè)計(jì)。討論了.DataSet與XML機(jī)制在文件數(shù)據(jù)存儲(chǔ)中的應(yīng)用，并給出了一種半自動(dòng)獲取抽取規(guī)則的方法。最后給出了應(yīng)用實(shí)例。
　　 (3)討論了文本自動(dòng)分類中