基于DOM的网页信息抽取方法

随着网络的发展,网页已成为人们获取信息的重要途径。网页中包含着文本,图片,视频,音乐等。不同的人所感兴趣的网页信息不同,那些人们不感兴趣的信息分散在他们感兴趣信息的周围,分散他们对自己感兴趣的信息的注意力,给他们阅读网页带来不便。提出一种基于DOM的网页信息抽取方法,过滤掉人们不感兴趣的网页信息,只保留人们感兴趣的信息。本文的方法不是机械地查找我们感兴趣的信息,而是尽可能的删除不是我们感兴趣的信息。首先使用Eclipse开发工具,利用开源的HTML解析程序NekoHtml将网页解析成DOM树。然后设计抽取算法,使用java语言编程,采用抽取算法,删除我们不感兴趣的网页信息,只保留我们感兴趣的网页信息。     

基于BERT-BiLSTM-TFIDF的产品研发文档关键词抽取方法

制造企业现有的内部知识管理系统大多通过人工选取产品研发文档标签，效率低下。应用自然语言处理技术抽取文档关键词作为文档标签有助于制造企业知识管理系统智能化。针对产品研发文档关键词抽取问题，提出了BERT-BiLSTM-TFIDF关键词自动抽取方法，基于BERT-BiLSTM设计句权重模型计算各词语所在句子的句权重，同时添加词性权重以及外部语料库以改进TFIDF算法。本文提出的方法改善了现有关键词自动抽取方法没有合理利用词语的语义信息、上下文关系信息的缺点，经过实验证实具有较好的效果。     

面向安全事件新闻的时间抽取与转换

阐述了事件新闻文本的时间信息抽取与处理对事件研究的重要性,研究了安全事件新闻的时间抽取与转换。考虑到目前采用的基于时间抽取规范TIMEX2/3和机器学习的抽取处理方法得到的时间信息缺少完全统一的形式,在安全事件的舆情发现及分析等场景下很难直接利用的问题,提出了针对安全事件新闻中的时间信息抽取与转换方法。该方法首先对安全事件的新闻根据时间的分类分别对不同形式的时间进行抽取,然后利用六大时间转换算子及时间冲突处理算子输出其时间的年月日时分秒的统一格式。试验表明,采用该方法的抽取结果与使用条件随机场(CRF)的方式进行抽取的结果相差不大,并且在时间转换上的正确率达到90%以上。     

基于组织机构代码信息进行数据挖掘与属性关联分析的方法初探

本文以涵盖各类单位动态基本信息的全国组织机构代码数据库为基础,依托当前自然语言自动处理技术的成功经验和研究成果,探究实现大规模机构信息自由文本数据的信息抽取、切分词优化、统计分类推断、属性关联分析等方法。为"全国组织机构代码共享平台"实现核心字段动态自动翻译、知识发现、数据质量提高,以及信息自动填补等方面提供关键技术支撑,进而为提高数据库信息利用率提供技术参考,为积极推进国家电子政务信息建设做出有益探索。     

知识图谱构建技术研究及发展趋势

知识图谱的构建过程是一个迭代更新的过程,包括信息抽取、知识融合和知识加工三个步骤.本文主要对知识图谱构建技术研究及发展趋势进行了研究,以期能够帮助感兴趣的读者全面了解和认识该技术.     

智能入侵检测技术的研究

本文简单介绍了智能入侵检测技术，主要包括神经网络技术，计算机免疫学，数据挖掘技术，状态转换分析，信息抽取，专家系统，基于多智能体的检测技术等等，以及智能入侵检测技术的发展趋势。     

基于条件随机场的中文命名实体识别研究

条件随机场模型是文本信息抽取的重要方法之一,在命名实体识别方面CRF性能要明显优于隐马尔科夫模型和最大熵模型。本文以基于字一级的条件随机场模型实现了中文命名实体识别,取得了较好的识别效果。     

基于异构数据库集成问题的探讨与实现

企业信息系统存在大量的异构数据库,如何集成数据库、解决信息孤岛现象是我们面临的问题。利用数据仓库技术来集成数据库是一个有效的解决方案。给出异构数据库的集成方案,提出异构数据库抽取和转换数据的方法,提出ODBC用于数据抽取过程的思路。数据仓库的建立不仅保护过去的投资,还实现企业信息系统中信息的集成,更重要的是为企业决策提供信息源。     

数据整合技术在区域政府信息化中的应用

信息资源共享难一直是困扰政府信息化建设的重要问题,使得政府行政效能大打折扣,因此,数据整合问题急需解决。在政府信息化建设实际应用中,通过Informatica数据抽取模型解决数据仓库的增量抽取问题,取得较好效果。     

基于Web信息抽取的技术成果信息采集系统

通过对技术转移中心技术成果信息收集的分析,提出采用基于Web格式分析的技术成果信息批量自动采集方案.对Web信息抽取的原理及实现进行了分析,并给出了技术成果信息采集的程序实例.     

基于WEB的数据抽取及应用实例

基于WEB的数据抽取是当前相当热门的方向之一。本文对此作了一个比较全面的介绍,概括了基于WEB的数据抽取的主要概念和特点说明基于WEB的数据抽取所常用的技术。最后简单介绍了基于WEB数据抽取中的实际应用一例。     

彩色图像的复变函数模型及其边缘检测

本文在彩色图像的HSI颜色空间中,根据其分量的不相关特性,针对H、S分量建立了彩色图像的复变函数模型,并给出其边缘检测方法,得到H、S分量的边缘图像.抽取彩色图像的1分量构造灰度图像,利用当前成熟的灰度边缘检测方法(基于小波的多尺度边缘检测方法)得到1分量的边缘图像.最后,利用信息融合技术,将上述获得的两幅边缘图像进行信息组合得到最终的边缘检测结果.从试验的结果来看,本文所采用的方案充分利用了彩色图像所包含的信息,对图像的彩色边缘比较敏感,获得了满意的边缘检测结果.     

Web信息集成中信息可信性的研究与实现

随着Web信息资源的迅速增长,构建高效的Web信息集成系统显得越来越重要,其中集成信息的可信性成为WEB信息集成中的重要研究课题。在分析总结WEB信息集成现有方法基础上,提出一种基于可信性计算的信息集成方法,该方法通过对站点的中心性和权威性的计算得到可信性较高的网页,同时利用递归的抽取方法将信息提取出来,大大提高获取信息的可信性。     

网页过滤中文本内容的抽取技术研究

研究基于文本内容的网页过滤技术,网页过滤的成效依赖于网页分类的精度,网页分类的准确与否依赖于网页文本内容抽取的效果,即通过分析网页内容,得到网页中的能够代表网页语义的文本信息。提出一种在同一网站中寻找相似网页的算法,它可以克服其他网页内容抽取方法中存在的弱点。     

基于谱相关的齿轮振动监测技术研究

摘要：齿轮振动信号的特征循环频率具有谐频成分,谐频循环频率簇对应的谱线相关性综合反映了系统中的某种啮合振动或调制现象。以此理论为基础,本文提出了啮合振动监测因子和调制监测因子两种累积能量因子,利用单一传感器采集得到的信号,以全频段信息为依据,进行振动信息的抽取和剥离,实现针对性的齿轮振动监测。实例分析结果证实了基于谱相关的状态监测技术具有较高的灵敏性,能够初步判断系统中的故障所在。     

网络舆情分析系统信息清理的研究

信息采集是网络舆情分析系统中最主要的步骤之一,搜索引擎在网络上搜索主题相关信息时,不可避免的会产生相当数量的与主题无关信息。将这些无关信息清理掉,对提高话题抽取和情感分析的效率和精度意义重大,能够加快整个系统分析速度和准确度。提出信息清理的必要性,在系统中将信息清理和中文采词结合起来,提高系统运行效率和准确度。     

矢量图的参数化重建系统——VACAD

本文重点探讨了如何将矢量图形进行参数化重建，即从只具备纯几何信息的矢量图中抽取元素间的拓扑信息，从而保证尺寸变动时保持拓扑关系不变，并能对多视图进行同步处理。这一方法的最大优点是用户作图时不受约束，因为系统只处理最终图形。另外，该思想并不局限于Ａｕｔｏ ＣＡＤ环境上，可方便地推广到其它二维绘图系统中。     

深度学习在材料显微图像分析中的应用与挑战

材料的组织结构主要受成分和制备加工工艺的影响,是决定材料性能的关键因素,在材料研发的全周期内具有重要作用。材料组织结构以非结构化图像数据的形式呈现,利用人工经验性的手段进行分析和信息抽取,遗漏了大量的材料学信息和隐含知识。深度学习技术的发展和应用,为材料显微图像中信息的精准、快速、自动获取提供了重要的研究手段。本文从图像处理、图像分析和图像理解3个方面概述了材料显微图像处理与信息挖掘的主要研究内容和关键技术,详细介绍了深度学习在图像分析中的图像识别、图像分割和图像生成3个任务中的研究进展,讨论了深度学习在材料显微图像分析和信息挖掘中的发展方向和挑战。     

面向学龄儿童的展项界面互动要素探析

目的探索学龄儿童在儿童馆中通过感官抽取环境中的信息进行处理,进而产生的行为表现与展项界面中对儿童产生高吸引度的设计要素之间的关联。方法儿童在展馆中的行为表现作为"反馈",是信息传播过程中信息回流的最后一个环节。本文通过实地调研和行为分析的方法,来研究展项界面中各要素对儿童与展项之间的互动起到的促进作用。通过样本分析和研究得出影响儿童在展馆中互动行为的三大类要素。结论总结三大类要素对展项的互动性产生的作用并作出了差异化考量的建议,以期对未来儿童馆展项特别是数字展项设计提供一些依据。     

Web数据挖掘技术在电子商务系统中的应用

随着互联网的迅猛发展,web上的信息飞速增长,如何从大量的数据集合中抽取有用的信息,找到有效的数据管理和使用的平台,合理的组织网站结构,成为人们越来越关心的课题。Web数据挖掘是从Web上挖掘有用知识为目标,利用web数据挖掘技术分析其在电子商务系统中的应用,能够发现潜在的客户信息,改进站点的结构,提供优质的个性化服务,从而提高企业的竞争力。