CAJ | 학술논문

传统基于本体的 Web页面信息抽取以单个信息项为最小抽取单位，抽取出的实体语义关联性较差和抽取准确率不理想。针对上述问题，以微博领域本体为基础，提出了一种两层次匹配的用户信息抽取方法：将微博中具有语义关联的不同层次的用户信息划分成对应信息块，以信息块作为最小抽取单位分别抽取其中包含的用户各属性信息(包含个人信息、关注的好友信息和所发文本微博信息)。试验结果证明，与传统信息抽取方法相比，设计的抽取规则算法能够有效地提高信息的准确率和召回率，对微博页面结构复杂以及信息量大的 Web网页有良好的抽取效果。
전통기우본체적 Web혈면신식추취이단개신식항위최소추취단위，추취출적실체어의관련성교차화추취준학솔불이상。침대상술문제，이미박영역본체위기출，제출료일충량층차필배적용호신식추취방법：장미박중구유어의관련적불동층차적용호신식화분성대응신식괴，이신식괴작위최소추취단위분별추취기중포함적용호각속성신식(포함개인신식、관주적호우신식화소발문본미박신식)。시험결과증명，여전통신식추취방법상비，설계적추취규칙산법능구유효지제고신식적준학솔화소회솔，대미박혈면결구복잡이급신식량대적 Web망혈유량호적추취효과。