基于CRFs的新闻网页主题内容自动抽取方法

针对当前新闻网页主题内容抽取方法较少利用网页块之间关联特性这一问题,提出了一种基于条件随机场(CRFs)的新闻网页主题内容自动抽取方法.该方法首先将待抽取网页解析成DOM树,经过滤、剪枝以及压缩处理后,然后按照一定的启发式规则将DOM树切割成块并转换成为一个数据序列,再定义CRFs特征函数来提取各网页块自身状态特征和相...     

一种Web信息抽取规则的优化方法

提出一种Web信息抽取规则的优化方法,用于提高信息抽取的效率.采用分级制的思想,将原有规则中的限制条件分为粗规则和细规则两部分.粗规则面向网页中所有的信息片断,用于信息的初步过滤;细规则面向过滤后的信息片断,用于抽取最终的信息.由此,避免了将规则中的限制条件应用于网页中的所有信息片断,达到了减少计算量、提高抽取速度的目的.     

基于RDF的电子商务信息抽取技术研究

在网络购物过程中,网站信息过于繁杂,用户很难快速地获取感兴趣的信息.信息抽取可以在一定程度上解决这个问题.提出一种基于RDF的信息抽取方法,将网页信息转换为DOM树,计算最大相关度子树,抽取用户感兴趣的信息.实验结果表明,具有较好的信息抽取性能.     

天津港数据集成与辅助决策系统中ETL过程的优化

天津港信息化建设随着应用规模的扩大、应用要求的提高、应用层次的加深、应用环境的复杂化和开放化，现行的应用系统已暴露出数据利用率低、分析能力不够等局限性。基于此，天津港提出构建”天津港数据集成与辅助决策系统”项目，消除现有系统的局限性。提高企业的管理水平和竞争能力。     

基于决策树的关键短语抽取

针对关键短语抽取工作可以转化为某种分类问题，利用决策树构造分类器解决关键短语的抽取。统计分析表明，将文档中词的词频因子、首位置和词性作为决策树分类特征，并考虑词在文档中出现的位置信息，对词的特征值进行一定的调整，采用Bagging重采样技术进一步提高了决策树的抽取性能，使其完全匹配和部分匹配的F_检测率分别达到21．50％和54．49％。     

基于CSS选择器的深网结果页抽取方法

提出一种基于CSS选择器的深网结果页数据抽取方法,用于抽取深网结果页中的数据记录.实验结果表明在大多数情况下,该方法都能准确抽取出页面中的数据记录.     

Web信息抽取系统研究综述

随着Web信息抽取技术研究的不断深入,Web信息抽取系统的研究与应用也逐渐成为一个热点。在回顾Web信息抽取技术发展的基础上,分析了Web信息抽取系统的研究现状,为浙江省教育厅科研项目＂基于Web抽取技术的企业市场情报信息挖掘研究＂打下基础。     

可应用于互联网的自学习中文关键词抽取算法

论文提出了一种自学习中文关键词抽取算法，该算法可以辅助实现互联网上的智能信息获取，从而有效解决互联网信息爆炸问题，该算法现已用于课题组开发的互联网信息智能获取工具中，实验表明该算法的查全率和查准率较高，在互联网信息智能获取中具有广阔的应用前景。     

切片图象中的多目标检测及特征提取

描述了一个多目标检测及特征提取的新方法.它是在边界跟踪过程中,自动确定一个包含目标区域的虚拟矩形窗口,利用差分技术提取窗口内的目标区域的同时;将其抹去.当处理完整幅切片图象时,能获得切片图象上存在的目标个数及每个目标区域相应的特征(如面积、周长等).     

基于拓扑图及三维特征的三维物体识别方法

提出一种基于拓扑图及三维特征的三维物体识别方法.该方法在图象预处理阶段先检测物体可视表面的闭合边界,再依据闭合边界对物体进行表面分割,并用一个景物特征图对景物进行表达(SAGR).在建模阶段,先采用多视图表面模型方法建模,再依据表面分割,对模型用一个模型特征图进行表达(MAGR).在物体识别阶段,将景物与模型的匹配分3部分进行,即扫描部件、图的匹配部件及匹配检验部件.匹配首先是基于 SAGR 与 MAGR 图的拓扑性质的匹配,然后是基于三维特征的匹配.根据匹配结果,或对未知物体自动建模,或给出识别结果.