知识图谱（2）半结构化数据的知识抽取

水面曲线知识图谱（2）半结构化数据的知识抽取

1. 半结构化数据定义

萨纳克类似于百科、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

切铝锯片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。

美发镜台

乳腺疏通精油

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这些模板是可能的。

单相计数器

本文发布于:2024-09-22 10:27:41，感谢您对本站的认可！

标签：数据抽取学习提取结构化知识

留言与评论（共有 0 条评论）