A Study on Information Acquisition and Extraction from Dynamic Information Sources Based on Knowledge Discovery and Learning

基于知识发现与学习的动态信息源信息获取与提取研究

• 批准号: 15300027
• 负责人: KITAGAWA Hiroyuki
• 金额: $ 10.5万
• 依托单位: University of Tsukuba
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (B)
• 财政年份: 2003
• 资助国家: 日本
• 起止时间: 2003 至 2005
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-15300027/
• 关键词: Web; Knowledge discovery; Knowledge extraction; Information acquisition; Time series; XML; Outlier detection; 機械学習; Hidden Web

In this research project, we studied information extraction from information sources in the web environment and user-friendly data operation facilities based on knowledge discovery and machine learning techniques. The research results can be summarized as follows.1.Extraction of information from hidden web sites is important. We developed a scheme to extract new topic contents form hidden web sites including document databases.2.We developed some new information analysis methods. In particular, new methods for topic detection from text steams, outlier detection, and correlation analysis were developed.3.We studied information extraction from the web using classification techniques. In particular, a system for web information retrieval was developed which utilizes existing taxonomy hierarchies. We also developed a new web information extraction method which combines database-oriented focused crawling and information extraction from web pages.4.Basic schemes for information sharing in distributed environments were studied.5.We developed a knowledge discovery technique for rule mining from transaction databases containing noise.6.We developed a smart facility which automatically generates XML queries based on data manipulation examples given by a user.7.Basic schemes to map binary data in original information sources into XML views were developed.8. We studied system architecture which can integrate a variety of information extracted from different information sources taking properties of original sources into consideration.

本研究以知识发现与机器学习技术为基础，探讨在网路环境下，如何从资讯来源中撷取资讯，并提供使用者友善的资料操作工具。本文的研究成果可以概括为以下几个方面：1.从隐藏网站中提取信息是一个重要的研究课题。提出了一种从隐藏网站（包括文档数据库）中提取新主题内容的方案。2.提出了一些新的信息分析方法。特别是在文本流中的主题检测、离群点检测和相关性分析等方面提出了新的方法。3.研究了基于分类技术的Web信息抽取。特别是，网络信息检索系统的开发，利用现有的分类层次结构。我们还开发了一种新的Web信息抽取方法，4.研究了分布式环境下信息共享的基本方案; 5.提出了一种从含有噪声的事务数据库中进行规则挖掘的知识发现技术; 6.提出了一种基于数据操作实例的XML查询自动生成的智能工具7.开发了将原始信息源中的二进制数据映射到XML视图的基本方案.我们研究的系统架构，可以集成从不同的信息源提取的各种信息，同时考虑到原始源的属性。

项目成果

地域ウェブ情報源の収集のためのクローリング手法の提案

一种区域性网络信息源爬取方法的提出

• 发表时间: 2005
• 期刊: 電子情報通信学会第16回データ工学ワークショップ(DEWS2005)
• 作者: 張建偉;石川佳治;黒川沙弓;北川博之
• 通讯作者: 北川博之

連続的問合せを用いたテキストストリームに対する類似検索

使用连续查询对文本流进行相似性搜索

• 发表时间: 2004
• 期刊: 情報処理学会研究報告 2004・71
• 作者: 井ノ口馨;斎藤喜人;Yousuke Watanabe;Akiyoshi Nakamizo;Jianwei Zhang;Masafumi Hamamoto;山田真一;Sophoin KHY;町田陽二;山田真一;濱本雅史;飯田敏成;町田陽二;山田真一;町田陽二;濱本雅史;Sophoin KHY;濱本雅史;渡辺陽介;山田真一;町田陽二;品川徳秀;Biplab Kumer Sarker;Masafumi Hamamoto;Takanori Mouri;Cui Zhu;Jia-Yu Pan;Cui Zhu;Norihide Shinagawa;渡辺陽介
• 通讯作者: 渡辺陽介

塚本祐一: "索引付けされた移動軌跡データからの効率的な移動統計量抽出法"日本データベース学会Letters. 2-1. 27-30 (2003)

Yuichi Tsukamoto：“从索引运动轨迹数据中提取有效的运动统计数据”，日本数据库协会 27-30 (2003)。

毛利隆軌: "プロービングによるテキストデータベースからの新規トピック文書抽出"日本データベース学会Letters. 2-1. 107-110 (2003)

Takaki Mori：“通过探测从文本数据库中提取新主题文档”日本数据库协会 107-110 (2003)。

渡辺陽介: "問合せ最適化機構を備えたデータストリーム統合システムの開発"DEWS2004. (Web出版). (2004)

Yosuke Watanabe：“具有查询优化机制的数据流集成系统的开发”DEWS2004（网络出版）。