Web信息抽取技术研究进展

doi:10.3969/j.issn.1000-1565.2003.01.029

摘要/Abstract

摘要： Web信息抽取技术是当今的一个研究热点.目前出现了基于不同原理的多种信息抽取技术,它们具有不同的性能.本文根据信息抽取的原理,对现有的信息抽取技术进行了分类,结合典型的系统,在语义的附加方式、模式的定义方式、规则的表现形式、语义项的定位方式、对象的定位方式等几方面进行了分析和比较,在此基础上提出了待研究的问题.

关键词: HTML, XML, 语义, 规则, 信息抽取

中图分类号:

TP391 TP393

陈少飞,郝亚南,李天柱,徐林昊,杨文柱. Web信息抽取技术研究进展[J]. 河北大学学报(自然科学版), 2003, 23(1): 106-112.

[1] 黄豫清, 戚广志, 张福炎, HUANG Yuq-ing, QI Guang-zhi, ZHANG Fu-yan. 从WEB文档中构造半结构化信息的抽取器 [J]. 软件学报 2000.
[2] 张绍华, 徐林昊, 杨文柱, 薛文玲, 李天柱. 基于样本实例的Web信息抽取 [J]. 河北大学学报(自然科学版) 2001.doi:10.3969/j.issn.1000-1565.2001.04.023
[3] LAENDER A, RIBEIRO- NE TO B, SILVA A. A brief survey of web data extraction Tools [J]. Sigmod Record 2002, 31(02).
[4] Wang T, TANG S, Yang D. COMMIX: Towards effective Web information extraction integration and query Answering [A]. 2002.
[5] GEORG G, KOCH C. Monadic datalog and the expressive power of languages for Web information extraction [A]. 2002.
[6] DAYNE FREITAG. Machine Learning for Information Extraction in Informal Domains [J]. Machine learning 2000, 2/3(2/3).
[7] SODERLAND S. Learning information extraction rules for semi - structured and Free Text [J]. Machine Learning 1999, 34(34).
[8] Kushmerick N. Wrapper induction:efficiency and expressiveness [J]. Artificial Intelligence 2000, 118(1/2).
[9] ION MUSLEA, STEVEN MINTON, CRAIG A. KNOBLOCK. Hierarchical Wrapper Induction for Semistructured Information Sources [J]. Autonomous agents and multi-agent systems 2001, 1/2(1/2).
[10] MUSLEA I. Extraction patterns for information extraction tasks: A survey [A]. Orlando Florida 1999.
[11] Craig A, KNOBLOCK, KRISTINA L. Accurately and reliably extracting data from the web: A machine learning approach [J]. Data Engineering Bulletin 2000, 23(04).
[12] MUSLEA I, MINTON S, CRAIG A. Active learning for hierarchical wrapper induction [A]. Orlando Florida USA 1999.
[13] MUSLEA I, MINTON S, CRAIG A. A hierarchical approach to wrapper induction [A]. Washington USA 1999.
[14] Hsu CN., Dung MT.. Generating finite-state transducers for semi-structured data extraction from the Web [J]. Information systems 1998, 8(8).
[15] Embley D, CAMPBELL D, Jiang S. Conceptual - model - based data extraction from ultiple record web pages [J]. Data and Knowledge Engineering 1999, 31(03).
[16] EMBLEY D, JIANG S, NG Y. Record- boundary discovery in web documents [A]. Philadelphia Pennsylvania USA 1999.
[17] EMBLEY D, XU L. Record location and reconfiguration in unstructured multiple- record web documents [A]. Dallas Texas USA 2000.
[18] EMBLEY D, CAMPBELL D, LIDDLE S. Ontology - based extraction and structuring of information from data - rich unstructured documents [A]. Bethesda Maryland USA 1998.
[19] CHRISTfNA YIP CHUNG, MICHAEL GERTZ, NEEL SUNDARESAN. Reverse engineering for Web data :From visual to semantic structures [A]. San Jose California 2002.
[20] CHRISTINA YIP CHUNG, NEEL SUNDARESAN. Quixote: Building XML repositories from topic specific web documents [A]. 2001.
[21] ROBERT BAUMGARTNER, SERGIO FLESCA, GEORG GOTTLOB. Supervised wrapper generation with lixto [A]. Roma Italy 2001.
[22] ROBERT BAUMGARTNER, SERGIO FLESCA, GEORG GOTTLOB. Visual web information extraction with lixto [A]. Roma Italy 2001.
[23] Liu L, PU C, Han W. XWRAP: An XML- enabled wrapper construction system for Web information sources [A]. San Diego 2000.
[24] Liu L, HAN W, BUTTLER D. An XML- Based wrapper generator for web Information extraction [A]. Philadelphia Pennsylvania USA 1999.
[25] AROCENA G, MENDELZON A. WebOQL: Restructuring documents databases and webs [A]. Orlando Florida USA 1998.
[26] GUSTAVO AROCENA. WebOQL: Exploiting document structure in Web queries [D]. Toronto:Master's thesis University of Toronto 1997.
[27] Arnaud Sahuguet, Fabien Azavant. Building intelligent Web applications using lightweight wrappers [J]. Data & knowledge engineering 2001, 3(3).
[28] HEEKYOUNG SEO, JAEYOUNG YANG. Knowledge- based wrapper generation by using XML [A]. Washington USA 2001.
[29] JUSSI M. Effective Web data extraction with standard XML technologies [A]. Hong Kong China 2001.
[30] ARNAUD S, FABIEN A. Building light - weight wrappers for legacy Web data - sources using W4F [A]. Edinburgh Scotland UK 1999.
[31] ARNAUD S, FABIEN A. Web Ecology: Recycling HTML pages as XML documents using W4F [A]. Philadelphia Pennsylvania USA 1999.
[32] JOACHIM HAMMER, HECTOR GARCIA- MOLINA. Template- based wrapper in the TSIMMIS system [A]. Tucson Arizona USA 1997.
[33] VALTER CRESCENZI, GIANSALVATORE MECCA. RoadRunner: towards automatic data extraction from large Web sites [A]. Rome Italy 2001.
[34] Chang C, LUI C. IEPAD: Information extraction based on pattern discovery [A]. Hong Kong China 2001.
[35] HanW, BUTTLER D, PUC. Wrapping Web data into XML [J]. Sigmod Record 2001, 30(03).
[36] JONATHAN HODGSON. Do HTML tags flag semantic content? [J]. IEEE Internet Computing 2001, 5(01).
[37] DOM [EB/OL]. http://www.w3corg/TR/REC-DOM-Level1
[38] XML Path Language Version 2 0 [EB/OL]. http://www.w3org/TR/xpath20
[39] XQuery [EB/OL]. http://www.w3orgTR/xquery
[40] 徐林吴, 杨文柱, 陈少飞. 基于XPath的Web信息抽取 [A]. 郑州 2002.
[41] 杨文柱, 徐林昊, 郝亚南. 个性化的Web查询助手的设计与实现 [A]. 郑州 2002.
[42] CALI FF M, MOONEY R. Relational Learning of pattern- match rules for information extraction [A]. Orlando Florida 1999.

Web信息抽取技术研究进展

Evolution of Information Extraction Techniques on the Web

PDF (PC)

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	毛华,郑珍,刘晓庆. 一种决策形式背景中挖掘决策规则的新方法[J]. 河北大学学报(自然科学版), 2021, 41(1): 1-6.
[2]	陈爱霞,梁智勇,冯慧敏. 一种基于Choquet积分的不精确推理方法[J]. 河北大学学报(自然科学版), 2016, 36(6): 561-565.
[3]	张凯. 基于SQL的电子资源数据库元数据的开发与设计[J]. 河北大学学报(自然科学版), 2014, 34(4): 443-448.
[4]	杨丽华,袁方,姚增利,王煜. 基于启发式规则的Deep Web接口发现[J]. 河北大学学报(自然科学版), 2010, 30(1): 107-112.
[5]	孟令江. 自然推理系统P中的P∧Q(→)P[J]. 河北大学学报(自然科学版), 2009, 29(3): 238-240.
[6]	刘秀玲,王洪瑞,杨国杰. 基于本体信息的知识管理系统的研究与开发[J]. 河北大学学报(自然科学版), 2008, 28(5): 550-554.
[7]	王雷,王芳,么炜,程洪,李志平. 基于模糊决策树的入侵检测规则生成技术[J]. 河北大学学报(自然科学版), 2008, 28(4): 438-442.
[8]	杨敬伟,杨文柱,高悦. 基于 DOM 的 Web 信息抽取规则的构造与实现[J]. 河北大学学报(自然科学版), 2007, 27(2): 209-212.
[9]	张寿华,伊开,王振夺,任志利,刘振鹏. 计算机免疫系统 GECISM 中识别规则的挖掘[J]. 河北大学学报(自然科学版), 2007, 27(2): 204-208.
[10]	王苗,王熙照,李平改. 权重对模糊规则泛化能力的影响[J]. 河北大学学报(自然科学版), 2006, 26(6): 659-663.
[11]	哈明虎,刘杨,李海军. 一种基于相似性的加权模糊产生规则计算方法[J]. 河北大学学报(自然科学版), 2005, 25(6): 659-663.
[12]	马力,石磊,石强,杨敬伟,赵红. 基于语义的Web服务请求和响应模式[J]. 河北大学学报(自然科学版), 2005, 25(5): 549-553,566.
[13]	张明,王煜,杨敬伟,袁方,赵红,石强. 基于Ontology的智能信息检索研究[J]. 河北大学学报(自然科学版), 2005, 25(5): 561-566.
[14]	苏永利,王熙照. 一种新的基于加权模糊规则自适应神经-模糊推理[J]. 河北大学学报(自然科学版), 2005, 25(2): 194-196,230.
[15]	张志强,李天柱,张波,陈少飞,郝亚南. 基于文档结构的信息抽取规则的描述语言比较研究[J]. 河北大学学报(自然科学版), 2004, 24(2): 212-218.