已阅读5页，还剩9页未读， 继续免费阅读
版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领
文档简介
基于在线百科网站的领域术语语料库建设指导老师 于东毕设 刘亚婷 主要内容 1 立项背景 有关术语 定义抽取 聚类的研究现状术语在语言词汇中所占的比例逐年增加术语学的研究越来越受到有关学者的重视 术语语料库建设现状基于某一个具体领域的研究较多属于方法研究类 可直接使用的术语语料库很少 建立我们自己的领域术语语料库 针对在线百科网站的术语 2 项目意义 领域术语语料库特色 专门基于在线百科网站的术语 定义 分类 相关词条 文本信息 数据库存储查询方便一目了然 术语语料库 3 流程图 爬取网页 提取信息 html分析 数据库存储 爬虫 模式设定 百科网站 3 1百科网页信息提取 技术支持 网络爬虫perl java语言实现 3 1 1爬虫架构 解析页面 URL过滤去重 是否重复 DNS URLFrontier 百科网站 Web互联网 1 URLFrontier包含当前爬虫待抓取的URL 获取信息 2 DNS解析模块根据给定的URL决定从哪个百科网站获取网页 3 解析模块使用HTTP协议获取URL代表的页面 4 重复消除模块决定一个解析出来的URL是否已经在URLFrontier或者最近下载过 5 获取模块提取文本中信息 3 1百科网页信息提取 技术支持 网络爬虫perl java语言实现 MySQL存储 信息内容 术语词条 定义文本信息开放分类相关词条 3 1 2抽取的内容 例 百度百科html分析 3 1 2抽取的内容 例 百度百科html分析 1 检索术语 中国梦 3 2数据存放与检索查询 2分类检索 社会思潮 3 2数据存放与检索查询 3
温馨提示
- 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 基层卫生应急培训课件
- 设备风险检测培训课件
- 住宅营销培训课件模板
- 科学养育照护知识培训课件
- 2025年大模型推理服务扩展（含答案与解析）
- 2025年AIGC音频生成检测试题（含答案与解析）
- 药具知识培训计划课件
- 美术培训机构课件app
- 寒假志愿者服务社会实践报告
- 新质生产力情景宣讲
- 肺康复专题讲座
- 卵巢保养课件教学
- 2025年医师定期考核业务水平测评理论考试（公共卫生）历年参考题库含答案详解(5套)
- 防雷防静电培训考试试题及答案
- 2025年发展对象培训考试试题（含答案）
- 测绘工程技术专业介绍
- 亚马逊运营每周工作汇报
- 交警舆情课件
- 2025年郑州人才公司面试题及答案
- 二年级语文上册语文教学研究计划
- 2025年广西公需科目考试试题及答案(供参考)
评论
0/150
提交评论