【毕设】日志-2009.03.29-30

-------------------
[日志] 2009.03.30

　　今天很早来到实验室，研究页面去噪方法。维基类网站大多是基于MediaWiki[1]程序规范生成页面，有固定的模式。本毕设需要的信息只存在于词条页面的正文文本中。初步爬取的网页信息中有很多都是无用信息。通过分析HTML标签，来删去无用信息，对页面去噪。



　　例如，侧边栏、脚注、引文、外部链接等都是可以完全删去的；表格、题头需要经过简单的判断后删去。

　　调研DBpedia的论文[2][3]，它对维基百科中Infobox的处理比较巧妙，但是具体过程不详。完成了UDMGrid-DWGK-信息表格高级关系抽取流程图-20090330-1-jyb.vsd。



　　晚上8点半，实验室终于开网了，看来保密检查已结束，明天开始调研更多的论文。

参考资料：
[1] MediaWiki. http://www.mediawiki.org/
[2] S. Auer, J. Lehmann, What have Innsbruck and Leipzig in common? Extracting Semantics from Wiki Content. In Proceedings of the 4th European Semantic Web Conference (ESWC' 07), 2007.
[3] S. Auer, C. Bizer, G. Kobilarov, J. Lehmann, R. Cyganiak, Z.G. Ives. DBpedia: A Nucleus for a Web of Open Data. 2007.

-------------------
[日志] 2009.03.29

　　上午来到实验室，开始准备晚上组内开会用到的演示文稿PPT，学习交流-ppt-第6周工作汇报-20090329-0-jyb.ppt。之后对设计文档进行了补充。

　　晚上开会时，几位师兄对我毕设的进度提出了批评，因为外部接口的详细设计没有完成。后来讨论了一下找工作以及软院调剂的问题，明确下周工作计划。