基于实例的Web信息抽取

随着Internet的迅猛发展，Web已经成为全球传播与共享科研、教 育、商业和社会信息等最重要和最具潜力的巨大信息源。由于Web信 息的动态性，不规则性，信息量巨大，给信息搜索和查询带来了很大 困难，Web搜索和查询是目前WWW和DB界研究的热点。本文提出 了一种基于实例的快速从HTML页面中抽取信息的方法，该方法将抽 取信息按对象关系模型进行重组存放在数据库中，以支持查询及各种 应用。将信息抽取过程划分为两个阶段：学习阶段和抽取阶段，同时 在抽取阶段中分为两个部分：抽取部分和集成部分。通过用户的少量 参与，选定样本实例，预先定义模式，生成具有特点和高效的各种抽 取规则（左右边界规则、文本特征、前导标识和关联规则），并保存在 知识库中，然后根据知识库自动进行信息的抽取。基于这种抽取方法 的原型系统可直接应用于Web查询和搜索，也可用于其它应用（例如 数据仓库和数据挖掘等）的数据准备，抽取效果良好。