Web信息抽取网页自动浏览导航与集成规则研究

摘要：

We b中蕴藏着大量有价值的数据，过去十几年中，针对We b信息抽取技术已有较多的研究。而现有的研究和系统多集中在数据抽取处理阶段，忽略或简化了完整的We b信息抽取过程需要的网页自动浏览导航和集成处理。为克服这些不足，提出了包含浏览导航、数据抽取和集成过程的三阶段We b信息抽取处理模型，基于此进一步研究提出了自动浏览导航模型，并设计实现了网页自动浏览导航规则语言。研究提出了一种We b数据抽取、转换和集成（extraction-transformation-integration，ETI）模型，设计实现了一套灵活有效的数据集成和流程控制规则语言，能有效地维护跨网页数据记录的复杂关系，并提供灵活的流程控制能力。抽取实例的结果表明，该规则语言和系统可有效完成全过程化的We b信息抽取集成处理功能。

关键词：Web信息抽取、自动浏览导航、数据集成、流程控制、规则语言

分类号：TP317(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant No.61072152;the Science & Technology Research Program of Jiangsu Province under Grant No. BE2011172

在线出版日期：2014-09-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共18页

页码：1049-1066