基于語義網的信息處理系統(tǒng)設計.pdf

1、Internet具有的海量、異構、動態(tài)變化等特性使Web信息抽取不同于傳統(tǒng)信息抽取，同時帶來了新的挑戰(zhàn)。首先，面對呈幾何級速度增長的巨大的Web信息空間，如何自動高效地處理海量Web信息是Web信息抽取的一個難點。其次，Web頁面的異構性使如何在各式各樣的Web頁面里準確識別所需信息點成為一個較大的難點。最后，Web網站的動態(tài)更新使得保持信息抽取的適應性也成為一個有待解決的問題。 Web信息抽取承接了傳統(tǒng)信息抽取技術研究的成果，

2、其核心是將分散在Internet上的半結構化的HTML頁面中的隱含的信息點抽取出來，并以更為結構化、語義更為清晰的形式表示，為用戶在Web中查詢數據、應用程序直接利用Web中的數據提供便利。 本文首先介紹了信息抽取技術及其產生背景和發(fā)展歷史，分析了信息抽取系統(tǒng)體系結構、信息抽取的分類及信息抽取的關鍵技術和衡量指標。本文還介紹了ontology的基本知識。在此基礎上提出了一種基于語義的信息抽取新方法。在本方法中，我們把信息抽取和o

3、ntology結合起來，先利用領域ontology里的概念、關系、關鍵字等自動生成抽取規(guī)則(Rule)，然后對文章，句子進行語法分析預處理，再利用語法分析的結果和先前生成的抽取規(guī)則一起對文檔進行信息抽取，最后把抽取的結果以記錄的形式輸出。根據上述方法并結合工程實際情況，設計了一個基于語義的信息抽取系統(tǒng)。 在本文中，提出了基于語義的信息抽取系統(tǒng)的總體框架、各主要模塊的設計，還著重說明了基于語義的信息抽取方法。此外，還對本系統(tǒng)的實現