Web信息抽取及知识表示系统的研究与实现

摘要

研究了从数据密集型Web页面中自动提取结构化数据并形成知识表示系统的问题.基于知识数据库实现动态页面获取,进行预处理后转换为XML文档,采用基于PAT-array的模式发现算法自动发现重复模式,结合基于本体的关键词库自动识别页面数据显示结构模型,利用XML的对象-关系映射技术将数据存入知识数据库,由此实现Web数据自动抽取.同时,利用知识数据库已有知识从互联网抽取新知识,达到知识数据库的自扩展.以交通信息自动抽取及混合交通出行方案生成与表示系统进行的实验表明该系统具有高抽取准确率和良好的适应性.