公开(公告)号：CN103778238A

公开(公告)日：2014-05-07

申请号：CN201410040234.9

申请日：2014-01-27

Applicant: 西安交通大学

Inventor： 刘均 ,  魏笔凡 ,  冯博琴 ,  郑庆华 ,  马健 ,  王晨晨 ,  吴蓓

IPC: G06F17/30

CPC classification number: G06F17/30938

Abstract: 本发明公开了一种从维基百科半结构化数据自动构建分类树的方法，包括(1)半结构化数据的抽取，通过分析获取到页面的HTML，识别出含有半结构化数据的页面。(2)半结构化数据中上下位关系的抽取，依据维基目录页面的布局特点，获取其中包含的上下位关系；解析HTML元素，依据导航表的结构，获取表格中包含的上下位关系。(3)源于不同半结构化数据的上下位关系融合，依据抽取到的上下位关系集构建向无权简单图，然后基于图的深度优先遍历算法生成分类树。本发明能够自动抽取维基页面中的上下位关系，并构建分类树，减少领域专家构建的成本，充分重用了志愿者手工构建的上下位关系。

公开(公告)号：CN103778238B

公开(公告)日：2015-03-04

申请号：CN201410040234.9

申请日：2014-01-27

Applicant: 西安交通大学

Inventor： 刘均 ,  魏笔凡 ,  冯博琴 ,  郑庆华 ,  马健 ,  王晨晨 ,  吴蓓

IPC: G06F17/30

Abstract: 本发明公开了一种从维基百科半结构化数据自动构建分类树的方法，包括(1)半结构化数据的抽取，通过分析获取到页面的HTML，识别出含有半结构化数据的页面。(2)半结构化数据中上下位关系的抽取，依据维基目录页面的布局特点，获取其中包含的上下位关系；解析HTML元素，依据导航表的结构，获取表格中包含的上下位关系。(3)源于不同半结构化数据的上下位关系融合，依据抽取到的上下位关系集构建有向无权简单图，然后基于有向无权简单图的深度优先遍历算法生成分类树。本发明能够自动抽取维基页面中的上下位关系，并构建分类树，减少领域专家构建的成本，充分重用了志愿者手工构建的上下位关系。