English  |  正體中文  |  简体中文  |  全文筆數/總筆數 : 64745/64745 (100%)
造訪人次 : 20517534      線上人數 : 290
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
搜尋範圍 查詢小技巧:
  • 您可在西文檢索詞彙前後加上"雙引號",以獲取較精準的檢索結果
  • 若欲以作者姓名搜尋,建議至進階搜尋限定作者欄位,可獲得較完整資料
  • 進階搜尋


    請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/8697


    題名: 會議公告網站資訊擷取之研究;Conference Information Extraction: Segmentation Base Approach
    作者: 胡姝涵;Shu-Han Hu
    貢獻者: 資訊工程學系碩士在職專班
    關鍵詞: 資訊擷取;機器學習;Information Extraction;Machine Learning
    日期: 2006-07-07
    上傳時間: 2009-09-22 11:33:09 (UTC+8)
    出版者: 國立中央大學圖書館
    摘要:   隨著資訊科技的進步,網際網路的快速與便利使得我們漸漸以網頁來取代傳統以紙張為主的資料呈現方式,然而網頁呈現的豐富與多樣化,使得有效擷取有用的資訊成為一項重大的挑戰。資訊擷取(Information Extraction)的技術主要是將非結構化的資料,透過整理、篩選,加以整合成為結構化的資料,最後便可有效的擷取出有用的資訊。資訊擷取的設計,最直接的方法是針對各個網站利用人工撰寫資訊擷取的方式,架構出符合此網站的資訊擷取系統,但由於網站的格式隨時有可能發生變更,或是因應不同作者架構出的網站格式不同,我們都必須修改撰寫不同的資訊擷取程式,這是非常不經濟的。因此,如何利用自動化的方式因應不同的網站格式來擷取網頁資訊,是設計資訊擷取程式最大的目標。自動化的資訊擷取設計,就要仰賴機器學習(Machine Learning)的方式,如何讓電腦具有學習的能力,從以往的經驗學習到知識和擷取規則,使得電腦本身具有擷取正確資訊的能力。   本篇論文主要針對國際性會議(International Conference)公告網站,擷取來自不同佈告者公告的國際會議資訊,包括會議名稱、會議地點、會議日期和論文接受日期。國際會議內容以純文字為主,加上會議內容的撰寫來自不同的佈告者且為公告性質的網站,內容多為佈告者以簡短的口語來表達並不具結構性,所以在資訊的整合與擷取上有一定的困難度,如何有效的擷取出正確的資訊,本篇論文運用機器學習的方式,讓電腦具有學習的能力,自動擷取來自不同佈告者公告的國際會議資訊,並且有不錯的效果。 With the progress of information technologies, the traditional sheets of paper are replaced by web pages rapidly. The versatilities and abundant contents in the web pages make the extraction of useful information far more difficult than before. Information extraction technology has allowed us to extract such information from non-structural data by means of a series of processes, such as arrangement, distillation and coalition. Due to the potential changes of infra-structure of web pages and the diversities of designers’ personal styles, the most straight-forward but may not so cost effective way is to construct extraction system manually in accordance with the characteristics of individual web site. Therefore, automated extraction is the most wanted goal to achieve. This thesis focuses on the extraction of conference information, such as conference names, locations, dates and accept paper dates, from DB World and international conference web pages. Since the bulletin-type conference web pages are not only text-rich but also written and published orally by different individuals without any structural harmonization, it makes the processes of integration and extraction rigorously. The system which is built on machine learning techniques is creditable and validated to perform well for the extraction of specific fields from cross web site pages.
    顯示於類別:[資訊工程學系碩士在職專班 ] 博碩士論文

    文件中的檔案:

    檔案 大小格式瀏覽次數
    0KbUnknown726檢視/開啟


    在NCUIR中所有的資料項目都受到原著作權保護.

    社群 sharing

    ::: Copyright National Central University. | 國立中央大學圖書館版權所有 | 收藏本站 | 設為首頁 | 最佳瀏覽畫面: 1024*768 | 建站日期:8-24-2009 :::
    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library IR team Copyright ©   - 回饋  - 隱私權政策聲明