一种多策略联合信息抽取方法  被引量:2

Multi-Strategy Combination Information Extraction Method

在线阅读下载全文

作  者:肖明军[1] 张巍[1] 邹翔[1] 蔡庆生[1] 

机构地区:[1]中国科学技术大学计算机科学与技术系,安徽合肥230027

出  处:《小型微型计算机系统》2005年第4期614-617,共4页Journal of Chinese Computer Systems

基  金:国家自然科学基金(70171052)资助

摘  要:介绍了一种多策略联合信息抽取方法———MSCIE(MultiStrategyCombinationInformationExtraction).MSCIE将对表格式网页的信息抽取分为基于网页结构特征分析的信息抽取和基于模式匹配的信息抽取,提出了一种对网页DOM(DocumentObjectModel)树的冗余信息进行剪枝分析的方法和一种实体特征模式发现算法分别用于这两种信息抽取方法,并通过两种策略联合完成信息抽取工作.应用于互联网竞争情报监测系统中,从大量网站中抽取多种商品的供求信息,取得了较高的准确率和召回率(平均在95%以上).A multi-strategy combination information extraction method,MSCIE(Multi-Strategy Combination Information Extraction),is introduced in this paper. MSCIE divided the information extraction from tabular web pages into the information extraction based on web page structure feature analysis and the information extraction based on pattern matching,also advanced a method of pruning the redundant information in the DOM(Document Object Model) trees of web pages and a feature pattern discovery algorithm which are used in the two information extraction method respectively, and accomplished the information extraction tasks by the two strategy cooperation. MSCIE, applied in the Competitive Intelligence System based on Internet, had extracted the supply and demand information of many products from a mass web sites, and achieved high precision and recall(>95%on average).

关 键 词:机器学习 信息抽取 模式匹配 多策略 

分 类 号:TP391[自动化与计算机技术—计算机应用技术]

 

参考文献:

正在载入数据...

 

二级参考文献:

正在载入数据...

 

耦合文献:

正在载入数据...

 

引证文献:

正在载入数据...

 

二级引证文献:

正在载入数据...

 

同被引文献:

正在载入数据...

 

相关期刊文献:

正在载入数据...

相关的主题
相关的作者对象
相关的机构对象