基于Agent和XML的Web页面信息抽取研究与设计.PDF

第25卷第8期 计算机工程与设计 2004年8月 V01．25No．8 COMPUTERENGINEERINGANDDESIGN Aug．2004 文章编号：1000．7024(2004)08．1411．04 中图分类号：TP311 文献标识码：A 孟宪福， 狄慧 (大连理工大学计算机系，辽宁大连116024) 原型系统里，利用Agent的自治能力和合作能力来协助用户对抽取请求进行公式化表述和结合知识库学习抽取规则等。 另外，系统还用XML语言描述抽取请求和抽取规则，在其中加入一些语义信息，这些语义信息可被有效利用，从而 提高抽取的精确性。 关键词：Web信息抽取；Agent；XML；抽取规则 Researchand ofwebinformationextractionbasedon andXML design agent MENG Hui Xian—fu，DI (DepartmentofComputer,DalianUniversityofTechIlologyDalian116024，China) Abstract：AnandXMLbasedweblE(webinformation is thatutilizessome methods agent extraction)frameworkpresented existing oftheformerrelatedresearches．Inthe andcoordinationof are toassistuserformulate framework，theautonomy agentemployed on． In extraction learnextractionrulesonthebaseof basesandSO is to queries，to knowledge addition，XMLlanguage employed describeextractionandextractionrulesinwhichsomesemanticinformationisadded．ThesemanticinformationCanbe queries efficiently usedtoenhancetheextraction preciseness． words：webinformation rules Key extraction；agent；XML；extraction 参考语义知识采取行动，且Agent之间相互协作，从而提高 1 引 言 Web信息抽取的智能性和精确性。 近年来，Web已发展成为一个跨国界的巨大信息空间， 另外，目前Web页面上的信息大多数用HTML语言表 而且Web页面的数量仍以惊人的速度增长。Web页面信息示，HTML固有的缺点给Web页面信息抽取带来一定困难。 抽取是对已有Web资源的有效利用，其主要目标是从分散 首先，HTML是半结构化的标记语言，不便于应用程序直接 在In