权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

リンク情報とWebデータの半構造性を融合した高品質コンテンツ・マイニング

结合链接信息和半结构化网络数据的高质量内容挖掘

基本信息

批准号：
15017269
负责人：
廣川佐千男
金额：
$ 2.94万
依托单位：
Kyushu University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research on Priority Areas
财政年份：
2003
资助国家：
日本
起止时间：
2003 至无数据
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-15017269/
关键词：
Webマイニングラッパー情報検索機械学習パターン抽出

项目摘要

多量な同系統文書群は高品質であるというヒューリスティックに基づき,Web上の高品質文書群を効率良く発見するための研究を行なっている.本年度は,リンク構造と構造類似性で特徴付けられる「シリーズ型文書群」という概念を提案し,そのような文書群を効率的に発見収集するWebロボットの実装を行ない,その収集効率を定量的に評価した.また,シリーズ型文書群に対するメタデータを自動的に構成する手法を開発した.これとは別に,同系統文書群の発見について,部分文字列の出現頻度に着目した「部分文字列増幅法」を開発した.このアルゴリズムは,入力サイズの線形時間で動作し,類似構造を持つ文書群を網羅的に検出すると同時にクラスタリングも行なうものである.本年度は,Web上半構造化データからの高品質同系統データ抽出について,HTMLファイルに繰り返し現われる特徴的なタグ・パターンの抽出法の開発と,コンテンツ収集を動的に制御できる目的指向Webロボット開発に重点を置き研究を進めた.前者については,部分文字列の出現頻度だけで重要パターンを高精度で抽出する部分文字列増幅法という新しい手法が開発できた.後者については,従来ターゲットとしてきた大学のシラバスについては1万件以上の収集が達成できた.さらにシラバス以外の一般的な「シリーズ型Web文書群」についてのWebロボット開発の目処がたち,その文書群に対するメタデータの自動生成手法を構築できた.

A large number of homologous documents, high-quality articles, high-quality articles, high- This year, we have made a proposal for the concept of the text group. This year, we are responsible for the creation of the type of text group. This year, we are responsible for the introduction of the concept proposal, the proposal of the concept, the concept proposal, the concept proposal, the concept proposal, The text group of this type of text is in full swing. The automatic communication method is open to the public. In comparison with each other, the same system of documents is widely used, and some of the text columns show that the "partial text series frame method" is widely used. If you want to do something about it, you can use it to create a message that supports the text group network. At the same time, you need to do the same thing. This year, the first half of the Web system is responsible for the extraction of high-quality products from the same system, and the HTML system is responsible for the introduction of the extraction method for high-quality products. This year, the first half of the year, the first half of this year, the construction of high-quality products in the same system has been implemented in the same system, and the system has been introduced in the first half of this year. In the former, some text columns show high accuracy, high precision extraction, partial text column format method, new reading techniques, and so on. After that, I told you that I would like to know that there are more than 10,000 pieces in the collection of more than 10,000 pieces. In addition to the general Web text group, which is related to the information, the Web text group is open to the public, and the text group is responsible for the automatic generation of the information system.