Web實(shí)體表格結(jié)構(gòu)識(shí)別研究

張興蘭 劉巖

摘要：Web表格信息提取已成為構(gòu)建本體的重要工作，它能自動(dòng)將本體所需的屬性名和屬性值提取出來，節(jié)省大量人工勞動(dòng)。提出了一種基于單元格類型和值長度的表格結(jié)構(gòu)識(shí)別算法，能有效識(shí)別定位出的表格展開方式，對于表格信息提取具有重要意義。

關(guān)鍵詞：信息提?。槐砀裥畔⒊槿?；表格結(jié)構(gòu)識(shí)別

DOIDOI：10.11907/rjdk.161203

中圖分類號：TP301文獻(xiàn)標(biāo)識(shí)碼：A 文章編號：1672-7800（2016）006-0001-04

3結(jié)語

在構(gòu)建知識(shí)庫時(shí)會(huì)用到本體的概念，本體的生成除了需專家人工參與外，在表格中提取本體的屬性成為一種非常重要的方式。本文對表格展開方式判別提供了一種方法，從表格屬性名和屬性值在類型和長度的差異中識(shí)別表格結(jié)構(gòu)，構(gòu)造了類型樹，使類型差異轉(zhuǎn)化為樹的路徑；同時(shí)引入方差概念，將字符串長度變化情況用方差來描述，不再單一依靠均值來描述字符串的長度。下一步的研究重點(diǎn)是進(jìn)一步改進(jìn)表格定位算法，實(shí)現(xiàn)表格的更準(zhǔn)確定位，從而提升整個(gè)表格識(shí)別系統(tǒng)的準(zhǔn)確率。

3結(jié)語

在構(gòu)建知識(shí)庫時(shí)會(huì)用到本體的概念，本體的生成除了需專家人工參與外，在表格中提取本體的屬性成為一種非常重要的方式。本文對表格展開方式判別提供了一種方法，從表格屬性名和屬性值在類型和長度的差異中識(shí)別表格結(jié)構(gòu)，構(gòu)造了類型樹，使類型差異轉(zhuǎn)化為樹的路徑；同時(shí)引入方差概念，將字符串長度變化情況用方差來描述，不再單一依靠均值來描述字符串的長度。下一步的研究重點(diǎn)是進(jìn)一步改進(jìn)表格定位算法，實(shí)現(xiàn)表格的更準(zhǔn)確定位，從而提升整個(gè)表格識(shí)別系統(tǒng)的準(zhǔn)確率。

參考文獻(xiàn)：

[1]于靜.基于頁面主體提取的WEB信息抽取技術(shù)研究[D].南京：南京郵電大學(xué)，2013.

[2]張紅梅.基于塊的Web網(wǎng)頁信息提取[J].軟件導(dǎo)刊，2012，11（1）：132-134.

[3]程顯毅，朱倩，王進(jìn).中文信息抽取原理及應(yīng)用[M].北京：科學(xué)出版社，2010.

[4]廖濤，劉宗田，孫榮.Web表格定位技術(shù)的研究與實(shí)現(xiàn)[J].計(jì)算機(jī)科學(xué)，2009，36（9）：227-230.

[5]CHEN H，TSAI S，TSAI J.Mining tables from large scale HTML texts[C].In Proceedings of the 18th International Conference on Computational Linguistics，New Jersey： Association for Computational Linguistics，2000：166-172.

[6]張凈.Web信息自動(dòng)抽取技術(shù)的研究與實(shí)現(xiàn)[D].武漢：武漢理工大學(xué)，2009.

[7]TENGLI A，YANG Y，LI N.Machine learning table extractionfrom examples[C].In Proceeding of the 20th International Conference on Computational Linguistics（COLNG），New Jersey：Association for Computational Linguistics，2004：987-993.

[8]林琳.基于Ontology的web表格內(nèi)容抽取的研究與實(shí)現(xiàn)[D].成都：電子科技大學(xué)，2006.

[9]廖濤.Web表格定位技術(shù)的研究與實(shí)現(xiàn)[J].計(jì)算機(jī)科學(xué)，2009（9）：227-230.

[10]賈云長.HTML表格向XML的智能轉(zhuǎn)換[J].計(jì)算機(jī)工程，2009（14）：32-34.

[11]張瑞.網(wǎng)上表格數(shù)據(jù)到XML的自動(dòng)轉(zhuǎn)換[J].計(jì)算機(jī)工程與應(yīng)用，2007（2）：190-192.

[12]徐飛.面向結(jié)構(gòu)的Web表格數(shù)據(jù)抽取系統(tǒng)[J].西安工業(yè)大學(xué)學(xué)報(bào)，2009（6）：574-577.