基于知识图谱的Web信息抽取系统

发布时间：2018-06-10 18:46

  本文选题：知识图谱 + 多领域　； 参考：《计算机工程》2017年06期

【摘要】：为实现多领域海量网页信息的有效抽取,以中文知识图谱CN-DBpedia为基础设计Web信息抽取系统。基于知识图谱对网页数据项进行自动标注,建立具有容错能力的包装器归纳框架,从包含错误的标注集中归纳学习出正确的包装器。实验结果表明,该系统的准确率和召回率均高于传统人工标注方法,可显著降低网页信息抽取过程中的人力成本,灵活运用于大规模、多领域的网页信息抽取任务。
[Abstract]:A Web information extraction system is designed based on CN-DBpedia, a Chinese knowledge map. Based on the knowledge map, the web page data items are automatically annotated, and a fault-tolerant wrapper inductive framework is established, and the correct wrapper is learned from the annotation set containing errors. The experimental results show that the accuracy and recall rate of the system are higher than those of the traditional manual annotation method, which can significantly reduce the human cost in the process of web page information extraction, and can be used flexibly in large-scale and multi-domain web page information extraction tasks.
【作者单位】： 上海电力学院经济与管理学院;复旦大学计算机科学技术学院;东华大学计算机科学与技术学院;
【基金】：上海市科技创新行动计划基础研究项目(15JC1400900) 上海市自然科学基金(13ZR1417700)
【分类号】：TP391.1;TP393.092

【相似文献】

相关期刊论文 前10条

1 吕英杰;叶强;李一军;;模糊综合评判理论在网页自动分类中的应用[J];计算机工程;2007年15期

2 张俊英;胡侠;卜佳俊;;网页文本信息自动提取技术综述[J];计算机应用研究;2009年08期

3 宋明秋;张瑞雪;吴新涛;李文立;;网页正文信息抽取新方法[J];大连理工大学学报;2009年04期

4 张霞亮;陈家骏;;基于逻辑行和最大接纳距离的网页正文抽取[J];计算机工程与应用;2009年25期

5 周序生;李爽;;网页自动分类的建模与仿真研究[J];计算机仿真;2011年10期

6 张小娣;宋余庆;;基于网页正文逻辑段落和长句提取的网页去重算法[J];图书情报研究;2012年02期

7 周杨;;基于关键长句及正文长度预分类的网页去重算法研究[J];软件导刊;2012年10期

8 黄玲;陈龙;;基于网页分块的正文信息提取方法[J];计算机应用;2008年S2期

9 刘娟;赵晓楠;;网页主题相关性判别的聚焦爬虫系统的设计与实现[J];计算机与现代化;2012年10期

10 任玉;樊勇;郑家恒;;基于分块的网页主题文本抽取[J];广西师范大学学报(自然科学版);2009年01期

相关会议论文 前5条

1 唐超;刘辰;杨正球;;使用多层迭代分析和分类网页文档的方法[A];2007北京地区高校研究生学术交流会通信与信息技术会议论文集（上册）[C];2008年

2 罗阳;季铎;张桂平;王莹莹;;面向单一网页的双语资源挖掘方法[A];第六届全国信息检索学术会议论文集[C];2010年

3 刘菁菁;林鸿飞;;基于结构和链接扩展的中文网页分类研究[A];2007年全国开放式分布与并行计算机学术会议论文集(上册)[C];2007年

4 张志强;梁婷婷;谢晓芹;;一种基于用户标记的搜索结果排序算法[A];第26届中国数据库学术会议论文集（B辑）[C];2009年

5 朱春江;陆宇e，

本文编号：2004226