بررسی روشهای استخراج داده وب مبتنی بر آنتالوژی

استخراج داده های وب یکی از مهمترین مسائلی است که می تواند مورد مطالعه با استفاده از ابزارهای مختلف علمی قرارگیرد که در محدوده گسترده ای از برنامه های کاربردی است . بسیاری از روش هایی که برای استخراج داده از وب سایت طراحی شده است برای حل مشکلات خاص و درحوزه های موقت به کار می رود . سیستم های استخراج داده های وب دسته وسیعی از نرم افزارهای برنامه های کاربردی برای استخراج داده های وب از منابع وب هستند. یک سیستم استخراج داده های وب معمولا در تعامل با یک منبع وب و عصاره داده های ذخیره شده می باشد. به عنوان مثال اگر منبع یک صفحه وب html باشد محتوای خارج شده می تواند از علائم در صفحه و همچنین متن کاملی از خود صفحه باشد و درنهایت داده های استخراج شده ممکن است پس از پردازش به ساختار فرمت مناسب تبدیل و ذخیره شود. یک روش مهم برای استخراج text mining استفاده از استخراج اطلاعات به زبان طبیعی است.استخراج اطلاعات ie تقطیر داده های ساختار یافته و یا دانش از متن بدون ساختار یافته که به وسیله شناسایی منابع برای موجودیت نام و روابط بین این موجودیت ها بدست می آید. . همچنین ما دراین بحث وارد یکی از شاخه های متن کاوی که هستی شناسی نام دارد می شویم به طوری که عناصر تشکیل دهنده هستی شناسی جمعیت خواص و روابط غیر طبقه بندی را شامل می شود. در این تحقیق انواعِ تکنیک ها و روشهای استخراج داده وب و همچنین مزایا و معایب هر کدام بررسی می شوند.