資源描述：
《Web頁(yè)面用戶評(píng)論信息抽取技術(shù)研究.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫(kù)。
1、ADissertationSubmittedtoZhejiangUniVersityfortheDegreeofMasterofEngineering’-，’-，⑧TITLE：一S地盤Q旦地魚墮墮叢iQ衛(wèi)星圣堡壘墮iQ墜熏魚堡h里Q!QgY量里盟魚壘衛(wèi)壘g曼墨Q蘭!曼Y重星盟Author：SuperVisor：Subject：College：YinJianweiSubmittedDate：Jan5m．2011浙江大學(xué)碩}：學(xué)位論文{嗍《llllIlllIIllllImllIIlm洲曠_Y1853223摘要Wreb頁(yè)面上用戶的商品評(píng)論信息已成為影
2、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、Ⅳeb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、wb頁(yè)面信息抽取系統(tǒng)和算法的基礎(chǔ)上，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，該算法通過對(duì)抓取到的、Ⅳeb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
3、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)生不同的抽取模板，同時(shí)不需要過多的人為干預(yù)，抽取結(jié)果顯示該算法在抽取上有較好的效果。基于這個(gè)算法，論文設(shè)計(jì)了一個(gè)將單個(gè)web頁(yè)面轉(zhuǎn)化為標(biāo)簽樹，從標(biāo)簽樹中識(shí)別出數(shù)據(jù)記錄區(qū)域，然后將數(shù)據(jù)記錄對(duì)準(zhǔn)后產(chǎn)生模板，最后將屬性標(biāo)注過的模板從一系列web頁(yè)面中抽取信息的系統(tǒng)。對(duì)實(shí)現(xiàn)這個(gè)算法的系統(tǒng)
4、與其他算法的系統(tǒng)進(jìn)行了實(shí)驗(yàn)對(duì)比，結(jié)果表明該系統(tǒng)在無(wú)需人為過多的干預(yù)，具有高度自動(dòng)化的同時(shí)，也具有較高的準(zhǔn)確性，同時(shí)在運(yùn)行時(shí)間上遠(yuǎn)遠(yuǎn)優(yōu)于其他系統(tǒng)。關(guān)鍵詞：用戶評(píng)論信息，權(quán)值，標(biāo)簽樹，信息抽取W曲pagesofproduct’sreViewshaVebecomeakeyfIactorine—commerce’scons啪erdecidingt0purchaSeaproduct．WiththedeVelopmentofe·commerceinrecentyears，la唱elyincreaSingreViewsoftheprodudresulting
5、證ala瑪emlmberofpotentialusersisdi銜cuhtofinduse如linfomationinthereviews，soreViews伊eatlyreducedthescopeof印plication．PaperwillaIlalyzetlleexiStingsystemarchitecnlreandaJgorit№softhewebpageextraction，combinedwiminf．0mationextraction，studyhowt0keephigllaccuracyandemciencyofextract
6、ioninlarge-scalewebpagesofr．eviews．Paperwillanalyzethe夠picalinfonnationextractionsystemandthealgorithllfindmeadv鋤tagesanddisadvantagesofPxistingsystemsaIldextractionalgorit
7、lIIls，proposesawei曲t-baSedinfbmationeXtractionalgorithm．ThealgorithmchaIlgescrawledwebpageintoatagtree
8、蛐mc眥，dosomepreprocessingtometag仃．eesuchastherloiseremovalaIldsoon，部signedthe、wightforeachnodeofthetreef幻mbottomtoup，makingnodeswimdi仃erentlabelsindi俄relltleVelshasdi虢rent、Ⅳeights，menidenti匆dataregionsthrou曲thesimilartree鋤dthecontinualposition，thesetoftag—treeWhichcontainsdat
9、arecordaligIledandgeneratedabasetreeasatemplateofex仃action，finallyalldatare
