【作者】 李立宇； 王腾蛟； 唐世渭； 杨冬青； 刘世杰；

【机构】 北京大学视觉听觉与信息处理国家重点实验室； 北京大学计算机科学技术系；

【摘要】 <正>1引言Web信息的提取是Web信息集成的关键之一,目前已经有许多研究人员做了大量的工作。这些研究分别以各种不同的技术为基础来进行,包括定义抽取语言的方法,如Minerva,TSIMMIS,Web-OQL;进行HTML结构分析的方法,如更多还原

【Abstract】 In this paper,we propose that using extraction tools to extract the content of the HTML pages,and organizing the information by semantic web’s standards to realize the semantic oriented information integration.The work of ours are association the concepts in the DAML+OIL knowledge base with the extraction target,using semi-structure information extraction way to find instances of the concepts,and organizing the results by DAML+ OIL language.We also propose three kinds of extraction patterns—URI filter pattern.Structure extraction pattern and string extraction pattern in our extraction way,and using these kinds of patterns to define semi-structure document’s extraction rules.更多还原