基于搜索引擎的商品信息抽取與融合的研究及實現.pdf

1、隨著Intemet應用的逐漸普及，WWW已經發(fā)展成為一個巨大的分布式信息空間，為用戶提供了一個極具有價值的信息源。在利用搜索引擎進行Intemet信息檢索時，經常會出現“信息過載”的問題，使得用戶不知道如何更有效地利用資源。如何快速、準確地從大量的搜索結果中抽取出所需的且比較一致的信息，而不必一一瀏覽、對比，已經成為困擾用戶的一大難題。 本文主要研究了在搜索引擎的基礎上，使用Web信息抽取技術對商品信息，尤其是對價格進行在線抽取

2、方法，并利用信息融合技術對抽取到的價格進行空間融合，完成較權威的價格參考，最終提交給用戶一個完整的信息視圖。 為了實現商品信息的在線抽取模型，本文對現有的Web信息抽取技術做了深入研究，在對商品信息網頁進行大量的分析、比對的基礎上，引入了Html解析器——HtmlParser和正則表達式，提出了一套針對商品信息的Web信息抽取策略，并設計了與之對應的算法。該模型(算法)具有自動信息定位的能力。在融合模型中，把抽取得到的價格集合，