检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

树编辑距离在Web信息抽取中的应用与实现

现代图书情报技术 2010年第5期 29-34页

作者：聂卉黄贵鹏中山大学资讯管理系广州510275

引入编辑距离的概念,探讨如何构造标签树,并利用标签树匹配算法来量化网页结构相似度。该算法被应用于Web信息抽取,通过URL相似度算法进行样本网页的粗聚类,进一步采用树的相似度匹配算法实现细聚类,从而获取模板网页。在模板网页的基础... 详细信息

引入编辑距离的概念,探讨如何构造标签树,并利用标签树匹配算法来量化网页结构相似度。该算法被应用于Web信息抽取,通过URL相似度算法进行样本网页的粗聚类,进一步采用树的相似度匹配算法实现细聚类,从而获取模板网页。在模板网页的基础上,再次引入结构相似度算法并结合基于模板网页的抽取规则实现网页的自动化抽取。实验证明,该算法的引入能够有效提高包装器的抽取精度和半自动化能力。

关键词： Web信息抽取树编辑距离结构相似度 Web聚类标签树匹配算法

在线全文

学校读者我要写书评

暂无评论

基于约束树编辑距离与导航树的信息采集

计算机工程 2009年第14期35卷 75-77,80页

作者：姜波丁岳伟上海理工大学计算机与电气工程学院上海200093

介绍基于网站和网页结构的信息采集算法,提出一种基于约束树编辑距离的导航树算法。该算法通过提取网页的HTML的重要标记生成网页结构的标签树,对网页进行结构分析,通过约束树编辑距离算法判断爬行到的网页与主题的相关性,并根据网站基... 详细信息

介绍基于网站和网页结构的信息采集算法,提出一种基于约束树编辑距离的导航树算法。该算法通过提取网页的HTML的重要标记生成网页结构的标签树,对网页进行结构分析,通过约束树编辑距离算法判断爬行到的网页与主题的相关性,并根据网站基于URL的拓扑结构,提出基于导航树的信息采集约束信息采集器的爬行路径,提高了目标页面采集的效率和准确率。

关键词：标签树树编辑距离导航树

在线全文

学校读者我要写书评

暂无评论

利用树编辑距离的等高线拓扑相似性度量方法

测绘科学技术学报 2019年第1期36卷 79-85页

作者：郭文月刘海砚孙群余岸竹季晓林信息工程大学

已有的拓扑相似性度量方法主要通过目标之间拓扑关系统计均值的差值,衡量目标之间的拓扑相似程度,在拓扑变化复杂区域由于拓扑关系的增减互补易产生度量误差。为此,提出一种顾及拓扑结构差异的等高线群拓扑相似性度量方法;引入Zhang-sha... 详细信息

已有的拓扑相似性度量方法主要通过目标之间拓扑关系统计均值的差值,衡量目标之间的拓扑相似程度,在拓扑变化复杂区域由于拓扑关系的增减互补易产生度量误差。为此,提出一种顾及拓扑结构差异的等高线群拓扑相似性度量方法;引入Zhang-shasha算法将等高线群之间的拓扑变化转化为等高线树之间的转换编辑操作;构建基于树结构的拓扑差异表达;并利用动态规划方法求解等高线树之间的转换编辑距离;进而量化度量等高线群间的拓扑结构相似度。模拟数据实验和真实数据实验表明,该方法顾及了拓扑结构差异,能够有效度量多源多尺度等高线数据之间的拓扑相似程度,减少度量误差。

关键词： Zhang-shasha算法等高线树拓扑相似性相似性度量树编辑距离

Tai树编辑距离算法的存储优化与树的纵向归并算法

在线全文

学校读者我要写书评

暂无评论

Tai树编辑距离算法的存储优化与树的纵向归并算法

作者：韦龙宝中国工程物理研究院

学位级别：硕士

针对Tai树编辑距离算法空间复杂度太高的问题,运用数据分层次存储和数据筛选方法,提出了存储优化算法,可以使原本为O(V*V'*L2*L'2)的空间复杂度降为O(V*V'*L*L'),其中V和V’分别为两棵树的节点数,L和L’分别为两棵树的最大深度。改进后... 详细信息

针对Tai树编辑距离算法空间复杂度太高的问题,运用数据分层次存储和数据筛选方法,提出了存储优化算法,可以使原本为O(V*V'*L2*L'2)的空间复杂度降为O(V*V'*L*L'),其中V和V’分别为两棵树的节点数,L和L’分别为两棵树的最大深度。改进后的算法,比原来的算法更节约存储空间和运算时间。此外,当树的节点数很大而导致内存不足时,给出了序列化的解决方案。针对Tai和Zhang & Shasha的树编辑距离算法在计算解析树深度较大的XML文本的相似度时,时间复杂度太高的问题,提出了树纵向归并算法。基于纵向归并算法,可使Tai树编辑距离算法时间复杂度从O(V*V'*L2*L'2)降为O(V*V’),可使Zhang & Shasha树编辑距离算法时间复杂度从O(V*V'*min(L,leaves(T1))*min(L',leaves(T2)))也降为O(V*V’)。其中leaves(T1)和leaves(T2)分别为两棵树的叶子节点数。

关键词：树编辑距离数据分层次存储数据筛选纵向归并

Web信息抽取中基于结点权重的树编辑距离匹配法研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

计算机时代 2010年第3期 49-51页

作者：朱南丽朱晓鸣叶五梅宁波工程学院电子与信息工程学院浙江宁波315010 浙江工商职业技术学院信息工程学院

提出一种改进的树匹配算法,通过考量HTML特性,对树编辑距离方法进行改进,根据不同HTML树结点在浏览器中所显示的相关数据的不同权重赋以不同的权重值。算法由HTML数据对象构造具有结点权重的HTML树,模式识别通过取得两棵构造树的最大映... 详细信息

提出一种改进的树匹配算法,通过考量HTML特性,对树编辑距离方法进行改进,根据不同HTML树结点在浏览器中所显示的相关数据的不同权重赋以不同的权重值。算法由HTML数据对象构造具有结点权重的HTML树,模式识别通过取得两棵构造树的最大映射值达成。通过基于商用网站的实验对算法有效性进行了证实。

关键词：信息抽取 DOM 树编辑距离模式识别

在线全文

学校读者我要写书评

暂无评论

有向标记根树之间的语义编辑距离

模式识别与人工智能 2011年第6期24卷 816-824页

作者：康琪马军山东大学计算机科学与技术学院济南250101

有向标记根树之间的编辑距离(TED)被广泛应用在文档的结构化相似度计算上.文中提出有向标记根树之间的语义编辑距离(TSED)的概念,并给出计算公式.组合TED和TSED形成距离测度,并应用在XML文档的结构聚类上.实验表明该距离模型在结构化聚... 详细信息

有向标记根树之间的编辑距离(TED)被广泛应用在文档的结构化相似度计算上.文中提出有向标记根树之间的语义编辑距离(TSED)的概念,并给出计算公式.组合TED和TSED形成距离测度,并应用在XML文档的结构聚类上.实验表明该距离模型在结构化聚类的准确率和召回率上明显优于单纯利用TED算法的聚类结果.该算法在时间复杂性上也等同于利用动态规划计算TED的最好算法.

关键词：树编辑距离文档聚类结构相似度语义相似性

在线全文

学校读者我要写书评

暂无评论

基于树编辑距离的工作流距离度量方法

计算机应用 2012年第12期32卷 3529-3533页

作者：贾楠付晓东黄袁刘晓燕代志华昆明理工大学信息工程与自动化学院昆明650500 云南省计算机技术应用重点实验室昆明650500

在工作流的发现和聚类等应用中,需要对两个工作流模型的距离进行度量。因此,提出一种计算两个不同结构化工作流的距离定量度量方法。首先介绍了结构化工作流,并将每一个结构化工作流转换为流程结构树;然后基于两个结构树之间的树编辑距... 详细信息

在工作流的发现和聚类等应用中,需要对两个工作流模型的距离进行度量。因此,提出一种计算两个不同结构化工作流的距离定量度量方法。首先介绍了结构化工作流,并将每一个结构化工作流转换为流程结构树;然后基于两个结构树之间的树编辑距离来计算工作流之间的距离及相应相似度。该距离度量方法满足距离度量的3个属性,即同实体不可区分性、对称性和三角不等式性质。这些属性使得该距离度量方法可以在工作流模型管理活动中作为定量分析工具。实验结果表明,基于树编辑距离的工作流度量方法是可行的。同时,与基于邻接矩阵的距离度量方法相比,该方法考虑了不同结构之间的语义距离,有效验证了此方法的合理性。

关键词：结构化工作流结构树工作流距离树编辑距离相似度

在线全文

学校读者我要写书评

暂无评论

基于树编辑距离的网页信息抽取

基于树编辑距离的网页信息抽取

作者：刘晓波中国石油大学(华东)

学位级别：硕士

近年来,随着国际互联网的高速发展,电子商务行业得到极大扩展,国内的天猫、京东网以及亚马逊网的发展更为突出显著。电子商务网站的网页往往对商品的信息进行了描述,多数网页都提供用户查询的接口,并通过数据库将数据以列表的方式呈现... 详细信息

近年来,随着国际互联网的高速发展,电子商务行业得到极大扩展,国内的天猫、京东网以及亚马逊网的发展更为突出显著。电子商务网站的网页往往对商品的信息进行了描述,多数网页都提供用户查询的接口,并通过数据库将数据以列表的方式呈现于网页,这令从网页中抽取大量半结构化商品记录信息、整合成结构化信息并应用成为可能。本文介绍了信息抽取技术的发展历程和国内外现状,阐述了在这一段时间内出现的比较经典的算法,分析了它们的基本思想、优点和不足。现有的信息抽取方法在定位主数据区域方面存在很多问题,本文针对这些问题提出了新的分离数据记录的方法,以便于数据的集成和其它的增值服务。该方法主要包含两个步骤:(1)定位主数据区域;(2)分离数据记录。在第一步中,利用启发式规则和视觉信息相结合的方法,寻找包含所有相似数据记录子树的公共根节点。第二步,提出了一种新的方案,改进了树编辑距离算法,结合自上而下的凝聚型聚类算法将网页中的数据记录分类,缩小数据记录属性的可能组合方式的数量。在此过程中,提出了树编辑距离的计算公式,利用它来量化树与树之间的相似度。分别计算各个组合方案的平均相似度,取具有最高平均值的方案作为最佳方案。最后,针对需要抽取的数据记录属性在某些情况下会有缺失的问题,采用了星序列比对算法来补全缺失的属性,抽取初始选定属性的数据作为最终结果。通过对电子商务网站中具有大量列表的网页进行实验,结果表明,本文方法具有较好的查全率和查准率。

关键词：网页信息抽取树编辑距离主数据区域数据记录聚类算法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于树编辑距离的工作流聚类应用研究

基于树编辑距离的工作流聚类应用研究

作者：贾楠昆明理工大学

学位级别：硕士

工作流是一种反映业务流程的计算机化的模型,在办公自动化系统、电子政务系统、企业经营等领域中都起到了举足轻重的作用,能够帮助企业实现业务过程建模、业务过程优化等。随着工作流的广泛应用,出现了大量的工作流模型库,库中的工作流... 详细信息

工作流是一种反映业务流程的计算机化的模型,在办公自动化系统、电子政务系统、企业经营等领域中都起到了举足轻重的作用,能够帮助企业实现业务过程建模、业务过程优化等。随着工作流的广泛应用,出现了大量的工作流模型库,库中的工作流模型随着现实需求的变动而不断地被更新,并且新的工作流模型在不断加入,因此一个能系统的分析和改进工作流的方法就变得十分重要。近年来,许多学者开始关注工作流的发现和聚类。工作流聚类是将物理或抽象工作流集合分组成为由类似的工作流分成的多个簇的过程。引入工作流聚类,我们可以快速、准确的对工作流库中的模型进行查找和分析,提高工作效率。由于不同的工作流间结构互不相同,表达的内容也不相同,因此需要找到一个适用于工作流聚类的理论和方法,以满足业务的需要。本文的主要工作就是根据工作流结构性强、语义内容丰富的特点提出了一个新的工作流距离度量方法,并在此方法基础上进行工作流聚类。首先本文提出一种基于树编辑距离的工作流距离度量方法。在这种方法中,将每一个结构化工作流转化为一个流程结构树,利用树编缉距离和WordNet语义距离进行求解。基于结构树的工作流距离度量方法将工作流的结构和语义统一考虑,保证了距离的有效性和准确性。然后,采用层次聚类的方法对工作流模型库中的工作流进行聚类。层次聚类简单易用,而且对于输入记录的顺序不敏感,使用范围较广。最后,本文完成一个支持工作流聚类的原型系统,该系统采用C/S结构,使用Java语言和JBPM规范实现。系统由用户选择需要聚类的工作流集合,支持批量导入工作流,同时,由用户决定聚类的集合数,可以有效实现工作流聚类功能。通过实验证实,本文的提出的基于树编辑距离的工作流距离度量方法是可行、有效的,将其应用于工作流聚类活动中时,可以准确地得到符合用户需求的聚类集合,并且可以广泛应用于流程重构等领域。

关键词：结构化工作流结构树树编辑距离 WordNet 层次聚类