利用表格等信息的Web文本分类研究与实现

利用表格等信息的Web文本分类研究与实现

论文摘要

随着互联网等信息技术的发展和广泛应用,Web已经成为人们获取信息最重要手段之一。如何从这海量的信息资源库中快速、准确地进行分类并提取出有用的信息,变得十分迫切。Web信息抽取技术和Web文本分类技术作为Web信息处理重要的组成部分,现在也越来越得到更多人的重视。本文首先通过对Web信息抽取技术研究,提出了一种基于表格结构的Web表格信息抽取模型,该模型主要有表格定位模块、表格结构预处理模块和表格信息抽取与重构模块三个模块组成,根据Web表格的结构标记和自定义的启发式规则来抽取表格信息。实验结果表明该模型能够很好的用于Web表格信息的抽取,并且可以把不标准的Web表格转换成标准的表格形式,用Excel文件格式来存储。同时为了得到表格信息中的特征信息(关键信息),我们通过观察和研究表格结构的类型,定义了一些启发式规则对表格单元信息类型进行识别,从而区分出表格信息中特征信息和一般单元信息。然后通过对Web文本分类技术和本体理论的研究,我们构建了关于Web表格特征信息知识的领域本体,提出并设计了一种用于Web文本分类的二次分类模型。该模型使用支持向量机方法对测试样本进行第一次分类,由于设定了较高的分类阈值,一次分类后部分测试样本未确定所属类别;对于未确定所属类别的测试样本,我们抽取样本中的Web表格特征信息,与基于领域本体的分类模板进行相似度匹配,进行第二次分类。最后通过实验,我们对比二次分类模型方法和基于支持向量机的分类方法,发现无论是在准确率,还是在召回率上,二次分类模型方法都明显优于只使用支持向量机的分类方法,从而也验证了二次分类模型方法的可行性,更进一步表明我们可以利用Web文本中所包含的多种信息(如Web表格信息等)来对文本进行分类,提高Web文本分类的准确率和召回率。

论文目录

  • 摘要
  • Abstract
  • 目录
  • contents
  • 1 绪论
  • 1.1 课题研究的目的和意义
  • 1.2 国内外研究概况
  • 1.2.1 国外研究概况
  • 1.2.2 国内研究概况
  • 1.3 论文的主要研究内容
  • 2 Web文本分类方法的研究
  • 2.1 Web文本的特点
  • 2.2 Web文本分类的过程
  • 2.2.1 Web文本分类的定义
  • 2.2.2 文本表示
  • 2.2.3 自动分词技术
  • 2.2.4 特征提取
  • 2.3 常用的文本分类方法
  • 2.3.1 朴素贝叶斯算法
  • 2.3.2 KNN分类算法
  • 2.3.3 支持向量机
  • 2.4 支持向量机方法的研究和实验结果分析
  • 2.5 本章小结
  • 3 本体理论
  • 3.1 本体概述
  • 3.1.1 本体定义
  • 3.1.2 本体的分类
  • 3.1.3 本体的描述语言
  • 3.1.4 本体建模原语
  • 3.2 本体构建方法学
  • 3.2.1 本体的建立原则
  • 3.2.2 本体构建方法
  • 3.3 本体构建工具
  • 3.3.1 本体构建工具的分类
  • 3.3.2 Protégé
  • 3.4 本章小结
  • 4 Web表格信息抽取
  • 4.1 目前的Web信息抽取方法
  • 4.2 HTML语言概述
  • 4.2.1 SGML简介
  • 4.2.2 HTML简介
  • 4.2.3 HTML语言结构分析
  • 4.2.4 HTML页面的特点
  • 4.3 Web表格信息抽取模型
  • 4.3.1 Web表格信息抽取概述
  • 4.3.2 Web表格信息抽取模型
  • 4.3.3 Web表格的定位
  • 4.3.4 Web表格结构预处理
  • 4.3.5 表格信息抽取与重构
  • 4.3.6 模型实验结果分析
  • 4.4 Web表格特征信息的抽取
  • 4.4.1 表格的结构类型
  • 4.4.2 表格特征信息识别
  • 4.4.3 表格单元信息类型识别
  • 4.5 本章小结
  • 5 Web文本分类系统的设计与实现
  • 5.1 构建二次分类模型
  • 5.2 数据准备
  • 5.3 基于领域本体的分类模块
  • 5.3.1 构建基于领域本体的分类模块
  • 5.3.2 构建领域本体
  • 5.3.3 Web表格特征信息的表示
  • 5.3.4 引入概念关联度的主题分类模板
  • 5.3.5 相似度匹配
  • 5.4 实验结果与分析
  • 5.5 本章小结
  • 6 结论与展望
  • 6.1 结论
  • 6.2 展望
  • 参考文献
  • 致谢
  • 作者简介及读研期间主要科研成果
  • 相关论文文献

    • [1].基于WEB的通信电源远程监控系统研究[J]. 中国设备工程 2019(24)
    • [2].基于自适应遗传算法的考虑服务质量感知Web服务发现[J]. 电子测量技术 2019(22)
    • [3].面向Web系统热点数据预测及缓存管理的研究[J]. 信息技术与信息化 2019(12)
    • [4].基于页面对象的Web应用测试用例生成方法[J]. 计算机应用 2020(01)
    • [5].运用物联网和Web服务搭建院际转运信息平台[J]. 电子技术与软件工程 2020(02)
    • [6].延迟加载在web开发中的应用心得[J]. 视听 2020(02)
    • [7].基于Web的期刊采编系统的设计与实现[J]. 电脑知识与技术 2020(06)
    • [8].Web服务软件测试技术的研究与实现[J]. 电脑知识与技术 2020(02)
    • [9].移动互联网时代的Web性能优化实践[J]. 信息通信 2020(01)
    • [10].基于Web的校园个人自行车租赁系统[J]. 卫星电视与宽带多媒体 2020(02)
    • [11].基于网站制作的Web前端开发技术与优化[J]. 数字技术与应用 2020(01)
    • [12].基于Web应用的网络安全漏洞发现与研究[J]. 无线互联科技 2020(05)
    • [13].基于Web的动态几何软件领域模型及其应用[J]. 计算机应用 2020(04)
    • [14].基于web技术支持下网络多媒体课件的制作原则及优点[J]. 科技风 2020(13)
    • [15].基于Web的网上教学平台的设计与实现[J]. 科技与创新 2020(07)
    • [16].1+X证书制度与Web前端开发专业融合的探索[J]. 信息与电脑(理论版) 2020(04)
    • [17].基于《web前端页面设计》在线开放课程自主学习探讨[J]. 计算机产品与流通 2020(05)
    • [18].基于WEB的计算机课程辅助教学系统的设计与实现[J]. 计算机产品与流通 2020(05)
    • [19].基于Web的时变体数据的体绘制方法[J]. 计算机测量与控制 2020(04)
    • [20].Web浏览器中数据安全配置的研究[J]. 电脑编程技巧与维护 2020(04)
    • [21].基于实践应用的Web开发技术教学改革研究初探[J]. 科学大众(科学教育) 2020(05)
    • [22].基于Web的桥梁健康监测系统设计与实现[J]. 计算机技术与发展 2020(04)
    • [23].基于Web技术的计算机实验室综合管理系统设计[J]. 电子制作 2020(11)
    • [24].分析校园网中Web服务器的配置及安全防护[J]. 江西电力职业技术学院学报 2020(01)
    • [25].基于Web的研究生学位信息管理系统技术研究[J]. 创新创业理论研究与实践 2020(07)
    • [26].WEB技术在地质资料二次开发中的应用探讨[J]. 中国非金属矿工业导刊 2020(03)
    • [27].基于Web技术的医疗图像脱敏系统的设计与实现[J]. 宁夏工程技术 2020(02)
    • [28].网站制作的Web前端开发设计的相关研究[J]. 卫星电视与宽带多媒体 2020(07)
    • [29].Web开发提高网站性能的技巧[J]. 电脑编程技巧与维护 2020(06)
    • [30].随钻测井地质导向服务WEB版[J]. 国外测井技术 2020(03)

    标签:;  ;  ;  ;  ;  

    利用表格等信息的Web文本分类研究与实现
    下载Doc文档

    猜你喜欢