[发明专利]一种基于Web数值表格抽取的数据挖掘方法

摘要

本发明公开了一种基于Web数值表格抽取的数据挖掘方法。该方法依托领域知识库，以生成数值知识元库为基本目标，主要包括领域知识库基本集构建、Web数值表格定位、表格结构识别、表格内容整合、抽取结果语义表示、数据检索、领域知识库的自动学习、数据挖掘处理等。本发明以一种面向特定领域的Web数值表格抽取方法为基础，能够对Web页面中的数值表格所包含的数据、信息和知识进行抽取，将半结构化数据转化为结构化数据，为用户提供数据检索、数据挖掘分析等服务。本发明能够完整准确地从分散在Web上的大量Web数值表格中抽取出有价值的数值知识，满足用户数据查询和数据分析的需求。

主权项

1、一种基于Web数值表格抽取的数据挖掘方法，其特征在于，该方法包括：A对预处理后的Web数值表格样本集进行训练，并根据Web数值表格样本集形成领域知识库的基本集；B提供抽取所需的领域知识；C定位和提取Web页面中的数值表格，并获取领域Web数值表格集；D对表格的各结构元素进行识别，形成表格的逻辑结构；E对表格进行逻辑结构规整、语义检测和语义整合；F将结构化形式的数值记录语义合并，并抽取结果表示成语义一致性的、结构化的数值知识元，并将抽取成功的数值知识元进行存储；G将从表格中抽取的数值知识元进行结构化存储；H对数值知识元库中的数值知识元进行检索。