Web頁(yè)面用戶評(píng)論信息抽取技術(shù)研究.pdf

1、Web頁(yè)面上用戶的商品評(píng)論信息已成為影響電子商務(wù)消費(fèi)者進(jìn)行購(gòu)買決策時(shí)的關(guān)鍵因素之一。近年來(lái)隨著電子商務(wù)的發(fā)展，關(guān)于商品的評(píng)論信息呈指數(shù)級(jí)增長(zhǎng)，從而導(dǎo)致潛在用戶難以在這些大量信息中尋找到有參考的評(píng)論信息，大大減低了評(píng)論信息的應(yīng)用范圍。論文將通過(guò)對(duì)web頁(yè)面評(píng)論信息現(xiàn)有系統(tǒng)結(jié)構(gòu)和抽取算法的分析，結(jié)合信息抽取課題，研究如何在大規(guī)模web頁(yè)面評(píng)論信息下確保抽取的高準(zhǔn)確性和高效性。
　　 論文在分析典型web頁(yè)面信息抽取系統(tǒng)和算法的基礎(chǔ)上

2、，根據(jù)現(xiàn)有系統(tǒng)的優(yōu)缺點(diǎn)和抽取算法的不足，提出了基于樹權(quán)值的信息抽取算法，該算法通過(guò)對(duì)抓取到的web頁(yè)面轉(zhuǎn)化為標(biāo)簽樹結(jié)構(gòu)，將標(biāo)簽樹進(jìn)行噪音去除等預(yù)處理后，自底而上的為每個(gè)樹節(jié)點(diǎn)賦上權(quán)值，使得不同層次不同標(biāo)簽的節(jié)點(diǎn)具有不同的權(quán)值，然后根據(jù)相似樹和位置連續(xù)性來(lái)識(shí)別出數(shù)據(jù)記錄區(qū)域，包含數(shù)據(jù)記錄的標(biāo)簽樹集進(jìn)行樹對(duì)準(zhǔn)操作后生成基準(zhǔn)樹作為抽取模板，最后根據(jù)抽取模板對(duì)數(shù)據(jù)記錄進(jìn)行對(duì)準(zhǔn)和抽取。該算法具有很強(qiáng)的自適應(yīng)性，能根據(jù)不同評(píng)論信息的結(jié)構(gòu)產(chǎn)生不同的抽