Techniques permettant d'extraire les informations utiles du Web

Cet ouvrage traite de l'extraction de données sur le Web, c'est-à-dire à partir de bases de données en ligne, à l'aide de l'annotation. Ces bases de données sont accessibles via une interface Web basée sur des formulaires HTML. Lorsqu'une requête est soumise au moteur de recherche, des informations peuvent être extraites. Pages de résultats renvoyées par les bases de données en ligne. Une base de données en ligne comporte plusieurs enregistrements de résultats de recherche. Les étiquettes sémantiques des unités de données ne sont pas présentées dans les pages de résultats. Disposer d'étiquettes sémantiques pour les unités de données est important non seulement pour la tâche de mise en relation des enregistrements mentionnée ci-dessus, mais aussi pour stocker les SRR collectés dans une table de base de données. Les premières applications nécessitaient une intervention humaine pour annoter manuellement les unités de données. Cela présente une évolutivité limitée. Dans cet article, nous examinons comment attribuer automatiquement des étiquettes aux unités de données au sein des SRR renvoyés par les bases de données Web (WDB) et améliorer les résultats à l'aide de méthodes de regroupement telles que BIRCH et ROCK. La première étape consiste à regrouper les unités de données d'une page de résultats en différents groupes, de sorte que les données d'un même groupe partagent une même sémantique. Grâce à l'utilisation d'un Annotation wrapper , les connaissances peuvent être extrait