[논문]XML을 이용한 웹 정보 추출 및 다차원 분석

박병권

XML을 이용한 웹 정보 추출 및 다차원 분석
Web Information Extraction and Multidimensional Analysis Using XML 원문보기

멀티미디어학회논문지 = Journal of Korea Multimedia Society, v.11 no.5, 2008년, pp.567 - 578

초록
AI-Helper

인터넷에 있는 방대한 양의 웹 페이지들을 분석하기 위해서는 웹 페이지에 내재된 정보를 추출하는 것이 필요하다. 본 논문에서는 웹 페이지로부터 정보를 추출하고 이를 XML 문서로 변환하여 다차원적으로 분석하는 방법을 제안한다. 웹 페이지로부터 정보를 추출하기 위하여 두 종류의 언어를 제안한다. 하나는 객체지향 모델에 의거하여 웹 정보 추출 규칙을 기술하기 위한 것이고, 다른 하나는 추출하고자 하는 정보를 찾기 위한 HTML 태그 패턴을 정규식으로 기술하기 위한 것이다. XML 문서에 대한 다차원 분석을 위하여 관계형 데이터에 대해 하는 것처럼 웨어하우스를 구축하고 이로부터 다양한 큐브를 생성하는 방법을 제안한다. 마지막으로 본 논문에서 제안한 방법을 미국특허 웹 페이지에 적용한 예를 통해 그 타당성을 보인다.

Abstract ▼ AI-Helper

For analyzing a huge amount of web pages available in the Internet, we need to extract the encoded information in web pages. In this paper, we propose a method to extract and convert web information from web pages into XML documents for multidimensional analysis. For extracting information from web pages, we propose two languages: one for describing web information extraction rules based on the object-oriented model, and another for describing regular expressions of HTML tag patterns to search for target information. For multidimensional analysis on XML documents, we propose a method for constructing an XML warehouse and various XML cubes from it like the way we do for relational data. Finally, we show the validness of our method through the application to US patent web pages.

주제어

질의응답

핵심어	질문	논문에서 추출한 답변
	XML 웨어하우스로부터 XML 큐브를 만들기 위해서 요구되는 것은 무엇인가?	XML 웨어하우스의 사실 데이터는 XML 문서들 이므로 XML 웨어하우스로부터 XML 큐브를 만들기 위해서는 XML 문서의 통합연산(aggregation)이 요구된다. 그런데, XML 문서는 계층 구조를 가진 복합 객체이므로 XML 문서에 대한 통합연산은 정의하기가 어렵다.
	웹 정보 분석에 효과적인 질의를 위해서 필요한 것은 무엇인가?	웹 정보를 분석하기 위해서는 수많은 웹 페이지들을 웹브라우저를 통해 모두 다 읽기보다는 질의하는 것이 보다 효과적이다. 질의를 위해서는 웹 페이지에 들어 있는 정보를 추출하여 구조화된 데이터 (예, SQL 질의를 위한 관계형 데이터) 또는 반구조화된 데이터(예. XQuery 질의를 위한 XML 데이터)로 변환하는 것이 필요하다. 웹 페이지가 정해진 스키마를 가진 구조화된 데이터 (주로 릴레이션 데이터)로 이루어져 있다면 자동 추출이 가능하다[1,2,3,4].
	본 논문에서 제안한 추출 규칙을 작성하기 위한 두 개의 언어는 무엇인가?	본 논문에서는 추출 규칙을 작성하기 위한 두 개의 언어를 제안한다. 하나는 추출 규칙 명세 언어인 xRule이고, 다른 하나는 HTML 태그 시퀀스에 대한 정규 언어인 TagRex이다. 본 논문에서는 웹 페이지를 하나의 HTML 태그 시퀀스로 간주하고 xRule 속의 TagRex 정규식과 매치되는 부분을 추출한다.

저자의 다른 논문 :

원문 보기

ScienceON 원문보기

원문 URL 링크

한국멀티미디어학회 : 저널
DBPia : 저널

*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.

ScienceON TREND 제임스 웹

연관된 기능

미래기술 디렉토리

내보내기 메뉴

내보내기 구분

파일저장
인쇄
메일전송

구성항목

기본정보
상세정보

관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관

저장형식

Text(ASCII format)
Excel format
RefWorks Direct Export
RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley

메일정보

받는사람 (필수): @
보내는사람 (선택): @
제목
내용: KISTI 검색결과 이메일 서비스

안내

총 건의 자료가 검색되었습니다.

다운받으실 자료의 인덱스를 입력하세요. (1-10,000)

검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다.

데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요)

다운로드 파일은 UTF-8 형태로 저장됩니다.
파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오.

Text(ASCII format)
Excel format

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

AI-Helper ※ AI-Helper는 을 사용합니다.

AI-Helper

안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

연합인증