国外Web信息抽取研究综述

国外Web信息抽取研究综述

作者：龙丽， 庞弘燊， Long Li， Pang Hongshen

作者单位：华南师范大学经济与管理学院,广东,广州,510006

刊名：

图书馆学刊

英文刊名：JOURNAL OF LIBRARY SCIENCE

年，卷(期)：2008，30(5)

被引用次数：2次

1.Ralph Grishman Information extraction:Techniques and Challenges 1997

2.Valter Crescenzi.Giansalvatore Mecca Automatic Informarion Extraction from Large Websites 2004(05)

3.M.Banko.M.Cafarella.S.Soderland.M.Broadhead.O.Etzioni Open information extraction from the Web 2007

4.Oren Z.Oren E Web Document Clustering:A Feasibility Demonstration 1998

5.Embley D.Campbell D.Jiang S Conceptual-modelbased data extraction from multiple record web pages 1999(03)

6.Embley D.Jiang Y.Ng Y-K Record-Boundary Discovery in Web Documents 1999

7.Benjamin Habegger.Mohamed Quafafou Building web information extraction tasks

8.Dawn G.Gregg.Steven Walczak Adaptive web information extraction 2006(05)

9.Chia-Hui Chang.Mohammed Kayed.Moheb Ramzy Girgis.Khaled Shaala A Survey of Web Information Extraction Systems

1.期刊论文陈钊.张冬梅.CHEN Zhao.ZHANG Dong-mei Web信息抽取技术综述-计算机应用研究2010,27(12)

快速高效地获取网页主题信息的需求使得Web信息抽取技术成为信息技术领域的研究热点.现有的Web信息抽取技术大致可以归纳为基于统计理论的、基于视觉特征的、基于DOM树结构的和基于模板的几类.由于网页文本本身具有树结构并且具有一定的相似性,基于DOM树结构和基于模板的抽取技术发展很快而且已经得到了广泛的应用.分别论述了上述几类技术在近几年来的研究进展,从自动化程度、适用范围和复杂性三个角度分析对比了几类技术的优缺点.

2.学位论文陈龙基于WEB信息抽取的企业竞争情报系统研究2007

现代社会是信息化和网络化特征明显的社会，信息的竞争已经成为企业竞争环节中非常重要的一环.通过智能的信息处理技术，搜集、分析对企业有价值的情报信息，使企业的决策更为科学，对市场和环境的反应更及时，是企业获得竞争优势的有力武器，因此在现代企业信息化建设中，竞争情报系统建设已经成为大多数企业的一个战略选择.在互联网时代，企业面对信息的爆炸性增长，如何去有效利用这巨大的信息资源库，是企业竞争情报系统研究的新问题.

本文首先对竞争情报以及竞争情报系统相关知识进行了一定的阐述，提出了在网络信息时代企业竞争情报面临的新问题，并总结了在网络环境下企业竞争情报系统的相关特征和未来发展趋势.其次针对网络信息时代海量的WEB数据的特点和企业竞争情报系统智能化发展方向，对企业竞争情报系统体系结构进行了研究.改进了传统的竞争情报处理流程，增加了信息抽取核心子系统，并给出了基于J2EE的企业竞争情报系统技术框架.经过对信息抽取技术的相关研究，本文提出在系统中引入WEB信息抽取技术来解决企业竞争情报系统对互联网信息的有效获取.最后建立一个抽取系统的模型，对企业竞争情报系统中的信息抽取进行了研究，提出了一种基于XML的信息抽取方法，为企业建立一个高效和智能的竞争情报系统打下良好基础.

3.学位论文秦磊基于XML的信息抽取和集成模型的研究与设计2007

随着近几年Internet的飞速发展，虽然Web已经发展成为了一个巨大的分布和共享信息资源的平台，但是如何从Web中快速和有效地获取信息仍然是困扰着Web用户的一个问题。在这样的背景下，出现了Web信息抽取技术，Web信息抽取技术是从信息抽取技术中衍生出来的，它继承和发展了信息抽取领域的一些关键技术，同时，XML技术出现后，迅速成为了互联网信息表示的标准。本文就是把传统的信息抽取技术同XML，技术结合起来，在Web信息抽取过程中起到了事半功倍的效果。

本文首先对现有的信息抽取技术和XML技术加以研究，在此基础上提出了适合XML，的通用的树型结构抽取规则，它能够把Web上的数据抽取出来整合到指定模式的XML，文档中去。Web信息抽取出来，用户如果不能够随心所欲地加以利用，那么将是毫无价值的。所以，抽取信息的数据集也是Web信息抽取过程当中不可忽视的一个子过程。那么，如何把抽取出来的数据准确地映射到目标数据库中也是本文需要研究的范畴。同时，为了方便用户对抽取出的数据进行二次利用，本文还提出了基于XML，的Web查询模式。总之，Web信息抽取技术结合XML的存储和访问技术，最大限度地实现了Web信息的再利用。

本文的创新之处在于作者提出了一个信息抽取原型系统的设计以及实现方案，该系统采用了多策略的基于XML的抽取方法来满足各个不同领域的抽取需求。在文章的最后，作者基于江西省新华书店的实例对系统的各项抽取系数进行了评估，基本达到了预期的效果。

4.学位论文江佳信息集成中Web信息抽取技术的研究2007

互联网上信息爆炸，如何快速检索需要信息以及更有效的利用这些信息，成为亟待解决的问题。本文介绍了信息集成系统WS-IIS，该系统整合各种异质的数据源以及Web服务，其中就包含Web数据源。作为WS-IIS一个辅助部分，Web信息抽取子系统提供将Web网站提供的信息封装为Web服务，供信息集成系统使用。