应用于电子商务的信息获取技术

摘要

随着信息技术的发展,电子商务（E-commerce）逐渐成为主要的商务模式,而电子商务的主要类型之一--B2C电子商务（BusinesstoCustomerE-commerce）在走出了网络经济的低谷之后,即将进入一个快速发展的时期.在影响B2C电子商务发展的各种技术中,信息获取技术（包括商品信息抽取与用户兴趣获取）不仅是B2C电子商务获得发展的必备条件,而且是吸引消费者参与B2C电子商务的主要因素之一,而目前存在的信息获取技术均难以同时满足B2C电子商务应用的特殊需求.因此,该文提出了一种基于路径学习的信息抽取技术,该技术将网页结构分析与归纳学习相结合,通过学习待抽取信息在网页标记树中的公共路径实现信息抽取.实验表明这种技术具有用户负担较轻（只需用户提供2-4个学习实例）、查全率（97.04﹪-100﹪）与查准率（99﹪-100﹪）高、可实现大样本量信息抽取和时间资源耗费少（抽取时间小于1秒）等特点,能基本满足B2C电子商务中商品信息抽取的需求,现已成功应用于我们研制的智能比较购物代理系统中.此外,该文还提出了一种基于关键词提取的用户兴趣获取技术,该技术对用户浏览的网页内容进行分析,并提取出这些网页的类关键词作为用户兴趣标志.

目录

文摘

英文文摘

致谢

第一章绪论

1.1电子商务

1.1.1电子商务的定义

1.1.2电子商务的起源与发展

1.1.3电子商务的分类

1.2 B2C电子商务

1.2.1 B2C电子商务的发展历程

1.2.2影响B2C电子商务发展的技术

1.3 B2C电子商务中的信息获取技术

1.3.1信息获取技术对B2C电子商务发展的影响

1.3.2信息获取技术的研究现状

1.4本文工作内容

1.5本文组织结构

第二章信息获取技术概述

2.1信息抽取技术

2.1.1利用网站查询表格的信息抽取技术

2.1.2基于归纳学习的信息抽取技术

2.1.3基于网页结构分析的信息抽取技术

2.1.4基于自定义查询语言的信息抽取技术

2.1.5基于模式匹配的信息抽取技术

2.1.6基于隐式马尔科夫模型(Hidden Markov Model)的信息抽取技术

2.2用户兴趣获取技术

2.2.1基于贝叶斯网络的用户兴趣获取技术

2.2.2基于合作过滤(Collaborative filtering)的用户兴趣获取技术

2.2.3基于DST(Dempster-Shafertheory of evidence)的用户兴趣获取技术

2.2.4基于模糊逻辑的用户兴趣获取技术

2.2.5基于机器学习的用户兴趣获取技术

2.3小结

第三章基于路径学习的信息抽取技术

3.1基本原理与结构

3.2实现过程

3.2.1网页分析过程

3.2.2路径学习过程

3.2.3信息抽取过程

3.2.4再学习过程

3.3性能测试

3.3.1测试指标与测试环境

3.3.2测试结果与讨论

3.4小结

第四章智能比较购物代理系统

4.1系统开发背景

4.2系统体系结构

4.3系统模块设计

4.4系统性能测试

4.4.1测试指标与测试环境

4.4.2测试结果与讨论

4.5小结

第五章基于关键词提取的用户兴趣获取技术

5.1基本原理与结构

5.2实现过程

5.2.1关键词提取

5.2.2用户兴趣模型的建立与完善

5.3性能测试

5.3.1测试环境

5.3.2测试结果与讨论

5.4互联网中文信息智能采掘工具

5.4.1系统体系结构

5.4.2系统工作界面

5.4.3系统关键技术

5.5小结

第六章总结与展望

6.1本文总结

6.2进一步的研究

参考文献

附录作者在攻读硕士期间发表或被录用的论文