论文部分内容阅读
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。