Techniki pozyskiwania przydatnych informacji z sieci

Ksi¿¿ka ta dotyczy pozyskiwania danych z sieci, czyli z internetowych baz danych, za pomoc¿ adnotacji. Dost¿p do baz danych odbywa si¿ za po¿rednictwem interfejsu opartego na formularzach HTML. Po wys¿aniu zapytania do wyszukiwarki mo¿na pozyskä informacje. Strony wyników zwracane przez internetowe bazy danych. Internetowa baza danych zawiera wiele rekordów wyników wyszukiwania. Etykiety semantyczne jednostek danych nie s¿ prezentowane na stronach wyników. Posiadanie etykiet semantycznych dla jednostek danych jest wäne nie tylko dla powy¿szego zadania ¿¿czenia rekordów, ale tak¿e dla przechowywania zebranych rekordów wyników wyszukiwania (SRR) w tabeli bazy danych. Wczesne aplikacje wymagäy r¿cznego adnotowania jednostek danych przez cz¿owieka. Ogranicza to skalowalno¿¿ rozwi¿zania. W niniejszym artykule rozwäamy, w jaki sposób automatycznie przypisywä etykiety do jednostek danych w ramach rekordów SRR zwróconych z internetowych baz danych (WDB), poprawiaj¿c wyniki za pomoc¿ metod klastrowania, tj. BIRCH i ROCK. Najpierw grupuje si¿ jednostki danych na stronie wyników w ró¿ne grupy w taki sposób, aby dane w tej samej grupie miäy t¿ sam¿ semantyk¿. Dzi¿ki zastosowaniu "opakowania adnotacji" mo¿na wyodr¿bni¿ wiedz¿ z internetowych baz danych.