Cogprints

Création de surcouche de documents hypertextes et traitement du langage naturel

Nadeau, David (2005) Création de surcouche de documents hypertextes et traitement du langage naturel. [Conference Paper]

Full text available as:

[img]
Preview
 PDF
69Kb

Abstract

Cet article présente une extension aux algorithmes de création de surcouche de documents hypertextuels. Il s’agit de diversifier la granularité de l’information qu’il est possible de capturer en utilisant des techniques de traitement du langage naturel. Une surcouche de document Web (web page wrapper) est une vue sur des noeuds HTML contenant une information donnée et désirée. Par exemple, dans une manchette de journal, une surcouche peut baliser le nom de l’auteur, la date ou même toutes les références à un lieu ou a une compagnie quelconque. Nous avons étendu le fonctionnement d’un algorithme de création de surcouchage afin de dépasser la limite des noeuds HTML et d’extraire de l’information du contenu textuel qui s’y retrouve. Nous appliquons cette technique à la création automatique de lexiques (liste de mots).

Item Type:Conference Paper
Keywords:Web page wrapper, information extraction
Subjects:Computer Science > Language
ID Code:4604
Deposited By: Nadeau, David
Deposited On:12 Nov 2005
Last Modified:11 Mar 2011 08:56

References in Article

Select the SEEK icon to attempt to find the referenced article. If it does not appear to be in cogprints you will be forwarded to the paracite service. Poorly formated references will probably not work.

Ashish, N. and Knoblock, C., Wrapper Generation for Semi-structured Internet Sources, Workshop on Management of Semistructured Data, 1997.

Bikel, D. M., Miller, S., Schwartz, R., and Weischedel, R., Nymble: a high-performance learning name-finder, Proceedings of the Fifth Conference on Applied Natural Language Processing, 1997.

Califf, M. E. and Mooney, R. J., Bottom-up relational learning of pattern matching rules for information extraction, Journal of Machine Learning Research, vol. 4. 2003.

Cohen, W. and Fan, W., Learning Page-Independent Heuristics for Extracting Data from Web Page, in WWW-99, 1999.

Craven, M., DiPasquo, D., Freitag, D., McCallum, A., Mitchell, T., Nigam, K., and Slattery, S, Learning to construct knowledge bases from the world wide web, Artificial Intelligence 118:69-113, 2000.

Etzioni, O., Cafarella, M., Downey, D., Popescu A.-M., Shaked, T., Soderland, S., Weld, D.S., and Yates A., Methods for Domain- Independent Information Extraction from the Web: An Experimental Comparison, American Association for Artificial Intelligence (AAAI), 2004.

Freitag, D. and Kushmerick, N., Boosted wrapper induction, In Proc. of the 17th National Conference on Artificial Intelligence AAAI-2000, 2000.

Hong, T. W. and Clark, K. L., Towards a Universal Web Wrapper. 17th International FLAIRS Conference, 2004.

Kushmerick, N. Wrapper Induction for Information Extraction, Ph.D. Dissertation, Department of Computer Science & Engineering, University of Washington, 1997.

Soderland, S., Learning Information Extraction Rules for Semi-Structured and Free Text, Machine Learning, 34(1-3), 1999.

Metadata

Repository Staff Only: item control page

Cogprints is powered by EPrints 3 which is developed by the School of Electronics and Computer Science at the University of Southampton. More information and software credits.