1 / 9

Extrakcia kult úrnych udalostí z webu

Extrakcia kult úrnych udalostí z webu. Bc. Marek Takáč Vyhľadávanie Informácii 2011 /12. Zadanie projektu. Extrakcia informácií o vyhľadávanej udalosti Názov Miesto Dátum a čas Cena Popis Motivácia Nájsť efektívne riešenie Vlastný prístup. Použité knižnice a API.

fritzi
Download Presentation

Extrakcia kult úrnych udalostí z webu

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Extrakciakultúrnych udalostí z webu Bc. Marek Takáč Vyhľadávanie Informácii 2011/12

  2. Zadanieprojektu • Extrakciainformácií o vyhľadávanej udalosti • Názov • Miesto • Dátum a čas • Cena • Popis • Motivácia • Nájsť efektívne riešenie • Vlastný prístup

  3. Použité knižnice a API • Vyhľadanie udalosti na webe • Google AJAX Search API • Práca s JSON dátami • Projekt JSON-Java • Parsovanie HTML • Projekt NekoHTML

  4. Riešenie Java aplikácia Vyhľadanie zadaných kľúčových slov na určených weboch pomocou Google AJAX API Parsovanie JSONu – získame konkrétne URL Získanie HTML a následne parsovanie textu z neho pomocou NekoHTML Tokentizácia textu pomocou regulárnych výrazov

  5. Riešenie Informácie sa získavajú iba z tokenov určitého typu Extrakcia miesta – využitý gazetteer + vzdialenosť od kľúčových slov Dátum a čas – musiaspĺňať regex, tiež sa berie do úvahy ich vzdialenosť a aj od kľúčových slov Podobne sú riešené aj ostatné extrahované informáciami o udalosti

  6. Výsledky • Názov, popis a cena • Výsledky veľmi dobré • Takmer vždy sa extrahuje požadovaná informácia • Dátum, čas a miesto • Horšie výsledky • Je náročné odlíšiť „pravý“ dátum a čas od tých, ktoré sa týkajú iných udalostí na danej stránke • Nextrahuje sa miesto pri medzinárodných podujatiach – gazetteer obsahuje iba SR obce

  7. Výsledky – pokrytie a presnosť

  8. Rozhranie aplikácie

  9. Extrahované informácie <title>Amon Amarth + As I Lay Dying + Septicflesh, Bratislava,Majestic Music Club ( budova YMCA) ~ Kúp vstupenky</title> <a name="fb_share" type="button_count" href="http://www.facebook.com/sharer.php">Share</a><script src="http://static.ak.fbcdn.net/connect.php/js/FB.Share" type="text/javascript"></script></div> <a href="/sk/vstupenky/amon-amarth-bratislava-majestic-music-club-budova-ymca-279714/performance.html" class="buy" title="Vstupenky">Vstupenky</a><p><abbr class="dtstart" title="2011-11-22T20:00+01:00">Utorok, 22. Nov 2011, 20:00</abbr> </p> </div></div><div class="event small delimiter">

More Related