事例に基づくHTML文書からXML文書への半自動変換 - シリーズ型HTML文書における類似性の利用

摘要

本論文で提案する変換法では，まずシリーズ中の一つのHTML 文書を人手でXML 文書に変換する．次に，この2 つの文書を変換事例としてシステムに与え，シリーズの残りのHTML 文書を事例に従って自動変換するものである．システムを実装し，評価実験の結果，現実のWebサイトから収集した5 個のシリーズ，80 件のHTML 文書に対して，本提案手法は約80%を越える高い変換精度を持つことが確認した．筆者らの知る限りにおいて，現実のWeb サイト上のHTML 文書のシリーズ性に着目した研究は，これまでに全く無く，本研究が最初の試みと考えられる．本論文の構成は以下の通りである．まず2 章でHTMLとXML について概説し，3 章で事例に基づく変換法の概要を述べる．4 章から6 章で変換法の詳細を述べ，7 章で実験的評価を行う．8 章で関連研究を述べる．9 章は結論と今後の課題である．