10
个编辑
更改
跳到导航
跳到搜索
第128行：
第128行： − + 第173行：
第173行： − +
完善小标题翻译
最近的一个发展是基于视觉信息的信息抽取<ref name=":3" /><ref name=":4" /> ，它依赖于在浏览器中渲染网页，并根据渲染网页中区域的接近程度创建规则。这有助于从复杂的网页中提取实体，这些网页可能表现出一种视觉模式，但在 HTML 源代码中缺乏一种可识别的模式。
最近的一个发展是基于视觉信息的信息抽取<ref name=":3" /><ref name=":4" /> ，它依赖于在浏览器中渲染网页，并根据渲染网页中区域的接近程度创建规则。这有助于从复杂的网页中提取实体，这些网页可能表现出一种视觉模式，但在 HTML 源代码中缺乏一种可识别的模式。
==Approaches==
==方法==
The following standard approaches are now widely accepted:
The following standard approaches are now widely accepted:
* Hand-written regular expressions (or nested group of regular expressions)
* Hand-written regular expressions (or nested group of regular expressions)
IE 还有许多其他方法，包括混合方法，它们结合了以前列出的一些标准方法。
IE 还有许多其他方法，包括混合方法，它们结合了以前列出的一些标准方法。
==Free or open source software and services==
==开源资源与服务==
* [[General Architecture for Text Engineering]] (GATE) is bundled with a free Information Extraction system
* [[General Architecture for Text Engineering]] (GATE) is bundled with a free Information Extraction system
* Apache [[OpenNLP]] is a Java machine learning toolkit for natural language processing
* Apache [[OpenNLP]] is a Java machine learning toolkit for natural language processing