项目简介
项目名称
基于树结构模式挖掘的Web信息抽取研究
项目批准号
61005044
学科分类
F030504
信息科学部
_自动化
_人工智能与知识工程
_数据挖掘与机器学习
资助类型
信息科学
负责人
吴共庆
依托单位
合肥工业大学
批准年份
2010
起止时间
201101-201112
批准金额
7.00万元
摘要
围绕基于树结构模式挖掘的Web信息抽取问题，从模型设计、问题描述及其复杂性分析、算法设计与分析，到实际领域的应用，开展了系统地研究，取得了丰硕的阶段性成果。设计了基于树编辑距离度量的Web表格抽取算法，相对于字符串编辑距离度量，有效地提高了Web表格抽取的精度。设计了一种特殊的树结构模式-区分路径模式，提出了能否仅用路径模式精准抽取Web新闻的研究问题？围绕该问题，我们完成了节点级Web新闻语料标注工具开发和语料标注工作，对基于区分路径模式的Web信息抽取模型、模式发现问题及其复杂性分析、模式发现问题的求解算法开展了研究，并面向现实的数据集开展了实证研究。在上述工作的基础上，我们完成了个性化的Web新闻过滤和总结系统的应用研究，面向抽取文本处理过程中带有通配符的模式匹配、用户兴趣建模、基于语义分析的特征降维、高性能聚类等相关问题开展了探索性研究。受本课题资助，已发表SCI收录论文1篇、国际会议论文5篇（已被EI收录3篇），已录用国内核心期刊论文1篇，已投稿SIGKDD-2012论文1篇，获ICTAI -2011最优论文奖1项，为进一步深入地研究奠定了坚实的基础。
评论区 (0)
#插入话题
