基于語義的網(wǎng)上股評信息的提取研究.pdf

1、每天眾多的財經(jīng)網(wǎng)站會發(fā)布股票信息，這些信息數(shù)據(jù)量巨大、存在大量冗余和容易混淆的數(shù)據(jù)，一般的用戶需要花費很多時間才能獲得自己想要的股評信息。本文從國內(nèi)互聯(lián)網(wǎng)股評及網(wǎng)上信息抽取技術(shù)的分析入手，對網(wǎng)上股評信息的提取進行研究，具體工作如下：
　　 (1)采用網(wǎng)絡(luò)蜘蛛的信息抽取技術(shù)實現(xiàn)了對網(wǎng)頁上的信息提取。在網(wǎng)頁中先定位到用戶所需信息的鏈接的URL，并把這些URL放入等待抓取的隊列中；然后依次下載每個URL對應(yīng)的網(wǎng)頁，對其HTML文檔進行

2、結(jié)構(gòu)化分析，從中查找股票信息。
　　 (2)建立股評特征信息的詞庫。首先，根據(jù)對財經(jīng)網(wǎng)站上的大量股評信息進行特征分析，找出既頻繁出現(xiàn)、又能表示股票趨勢的特征詞匯。其次，由于所研究的股評信息具有前半句常為描述股票特征、后半句給出操作建議的結(jié)構(gòu)，所以，對股評信息的前半句的分析得到描述股評的多特征詞匯，有時表示為一個特征，有時需要用結(jié)合兩個特征詞描述，綜合分析后可將這些特征詞匯后建立特征詞庫、結(jié)合詞庫；對股評信息的后半句分析得到的建議

3、詞匯可組成建議詞庫。最后，對特征詞庫、結(jié)合詞庫、建議詞庫三個詞庫中的特征詞匯進行總結(jié)。
　　 (3)利用所建立的特征詞庫對股評信息進行解析。首先從特征詞庫中依次取出特征詞，與股評信息進行匹配，解析出第一特征詞和第二特征詞；如果特征詞庫中沒有可以匹配的詞匯，則從結(jié)合詞庫中依次取詞匹配，根據(jù)解析出的第一特征詞，然后匹配出第二特征詞。在解析股評信息的前半句后繼續(xù)解析后半句中的建議詞，過程同特征詞庫匹配類似。解析得到特征信息后就通過已定