基于網(wǎng)絡的多媒體節(jié)目編目信息抽取技術的研究.pdf

1、近年來隨著數(shù)字多媒體業(yè)務的不斷擴展,數(shù)字多媒體業(yè)務的觀眾對多媒體節(jié)目編目信息的要求也隨之而來。而目前尚沒有此領域的研究來滿足觀眾的這一迫切需求,這也正是本文研究的背景和選題的動力。Internet的飛速發(fā)展使WEB數(shù)據(jù)不斷增長,導致了大量半結構(semi-structured)數(shù)據(jù)的產生,因特網(wǎng)上存在的大量與多媒體相關的描述信息使得我們從中獲取多媒體節(jié)目編目信息成為可能。為了獲取多媒體節(jié)目的編目信息,論文著眼于Internet資源,將多

2、媒體節(jié)目編目信息的網(wǎng)絡自動抽取技術作為研究的目標和任務。論文首先研究了WEB信息抽取技術的一般分類和WEB信息抽取系統(tǒng)的一般實現(xiàn)方法。在此基礎上,結合多媒體節(jié)目編目信息的特點,提出了一個多媒體節(jié)目編目信息網(wǎng)絡自動抽取系統(tǒng)NMPIES,該系統(tǒng)設計比較簡單,結構清晰,理論上可以完成實現(xiàn)論文所提的目標。WEB預處理和網(wǎng)頁自動分類是編目信息抽取的前提,也是論文的研究重點。傳統(tǒng)的WEB預處理技術一般只涉及到HTML的噪音過濾、文本抽取等技術,利用

3、這些簡單技術很難為多媒體節(jié)目編目信息的抽取做好準備。因此,論文在研究了HTML網(wǎng)頁的特點后,提出了一套適用于多媒體節(jié)目編目信息抽取的WEB預處理技術,其中包括HTML-Tree中心內容確定方法、基于HTML-Tree方法的網(wǎng)頁特征提取等關鍵技術,通過這些關鍵技術的實現(xiàn),很好地達到了對WEB信息進行預處理的目的,提高了網(wǎng)頁自動分類的查準率和查全率。然后論文研究了多媒體節(jié)目編目信息抽取的主要實現(xiàn)技術,使用了基于主題的信息抽取方法,該方法通過