热门标签
热门文章
- 12012-05-10 FPN目标识别评价指标之精确度与召回率_fpn评价指标
- 2什么是边缘计算？_什么叫边缘计算概念
- 3Python——Django框架（二） 视图函数Template，render与redirect，双大括号，深度变量查找，过滤器与标签_django什么情况下用render什么情况下用redirect
- 4Hadoop 2.0 ResourceManager HA原理_resoucemanagerha
- 5Python与Echarts相结合的可视化工具：pyecharts_echarts+python
- 6论语音识别三大关键技术_以下哪个技术是人工智能在语音识别中的关键组成部分它可以帮助系统识别和转录
- 7什么是transformer模型及其工作原理【译】
- 8第二十七章：Docker Nginx 部署
- 92024年第四届机器人与人工智能国际会议(JCRAI 2024) | Ei、Scopus双检索
- 10Zookeeper之zkCli.sh客户端的使用
当前位置: article > 正文
知识图谱 （2）半结构化数据的知识抽取_抽取网站上的半结构化数据
作者：盐析白兔 | 2024-04-01 13:13:33
赞
踩
抽取网站上的半结构化数据
1. 半结构化数据定义
类似于百科、商品列表等那种本身存在一定结构但需要进一步提取整理的数据。
-
对于一般的有规律的页面，我们可以使用正则表达式的方式写出XPath和CSS选择器表达式来提取网页中的元素。
-
包装器是一个能够将数据从HTML网页中抽取出来,并且将它们还原为结构化的数据的软件程序。
使用它提取信息流程为：
2.百科类知识抽取
3. Web网页数据抽取：包装器生成
现在我们的目标网站是部分结构化的，如：
-
包装器归纳
借助基于有监督学习的方法,自动的从标注好的训练样例集合中学习数据抽取规则,用于从其他相同标记或相同网页模板抽取目标数据。
-
自动抽取
对于监督学习我们知道标注数据是它的短板，因此我们想到自动抽取的方法。网站中的数据通常是用很少的一些模板来编码的,通过挖掘多个数据记录中的重复模式来寻找这些模板是可能的。
声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/盐析白兔/article/detail/349003
推荐阅读
相关标签
