JP2007241417A - 構造化データ抽出システム、装置、および方法 - Google Patents
構造化データ抽出システム、装置、および方法 Download PDFInfo
- Publication number
- JP2007241417A JP2007241417A JP2006059550A JP2006059550A JP2007241417A JP 2007241417 A JP2007241417 A JP 2007241417A JP 2006059550 A JP2006059550 A JP 2006059550A JP 2006059550 A JP2006059550 A JP 2006059550A JP 2007241417 A JP2007241417 A JP 2007241417A
- Authority
- JP
- Japan
- Prior art keywords
- structured data
- depth
- semi
- unit
- feature
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
【課題】様々なWebアプリケーションをWebサービスとして利用することを可能にするシステムを提供する。
【解決手段】半構造化データ要素分割部21は、半構造化データを、その半構造化データを構成する最小単位の要素に分割し、半構造化データの階層構造における要素毎の深度を算出する。深度特徴抽出部22は、半構造化データ要素分割部21にて算出された要素毎の深度から、深度変化の特徴を抽出する。要素群発見部23は、深度特徴抽出部22にて抽出された深度変化の特徴に基づいて、半構造化データ内の構造化データの部分の要素群を発見する。
【選択図】図2
【解決手段】半構造化データ要素分割部21は、半構造化データを、その半構造化データを構成する最小単位の要素に分割し、半構造化データの階層構造における要素毎の深度を算出する。深度特徴抽出部22は、半構造化データ要素分割部21にて算出された要素毎の深度から、深度変化の特徴を抽出する。要素群発見部23は、深度特徴抽出部22にて抽出された深度変化の特徴に基づいて、半構造化データ内の構造化データの部分の要素群を発見する。
【選択図】図2
Description
本発明は、WebアプリケーションをWebサービスとして利用するシステムに関し、特に、Webアプリケーションの生成する半構造化データからWebサービスの戻り値に当たる構造化データを抽出する技術に関する。
近年、Webサービスの需要が高まっている。Webサービスとは、Web上での様々なサービスを実現するために、部品として用いられるサービスコンポーネントのことである。Webサービスの一例として、結果がWSDL(Web Services Description Language)で記述され、コンポーネント間の通信にSOAP(Simple Object Access Protocol)が用いられるものがある。
その主な応用対象はB2Bの分野である。ビジネスの世界でWeb環境が充実してきたことに伴い、これまで理論的なものとして考えられてきたものが、実際的なものとなってきている。また、ユビキタスの分野においてもWebサービスを用いることが検討されている。このため、B2CやC2Cの分野でもWebサービスが注目されている。
このようにWebサービスの応用範囲が広がっている状況においては、サービスを充実させるためにWebサービス数を増やすことが要求される。これに対して、膨大な数の既存のWebアプリケーションをWebサービスとして利用するという発想がある。Webアプリケーションは既に膨大な数が存在するので、これをWebサービスとして利用することには大きなメリットがある。
しかし、Webサービスはインタフェースが統一されているのに対して、WebアプリケーションはWebサービス程にはインタフェースが統一されていない。Webサービスの結果が構造化データであるのに対して、Webアプリケーションの結果が半構造化データである。構造化データは、表のように規則的に整理された構造を有するデータである。これに対して、構造が整理されていないデータが非構造化データである。半構造化データは、構造化データと非構造化データの中間的なデータであり、多くの場合、構造化された部分と構造化されていない部分を含んでいる。
そこで、WebアプリケーションをWebサービスとして利用するために、ラッパを用いて半構造化データから構造化データを抽出することが行われている。WebアプリケーションをWebサービスとして利用するためのラッパは、今後、重要な役割を果たすと考えられている。
しかし、上述したように膨大な数のWebアプリケーションが存在するので、それらをWebサービスとして利用するためのラッパを人手によって個々に作るには膨大なコストと膨大な時間が必要となる。そのため、ラッパを自動生成することが検討されている(非特許文献1参照)。非特許文献1には、Webアプリケーションのプログラムのソースコードからラッパを生成する技術が開示されている。
H.P.Huy, T.Kawamura, T.Hasegawa:Web Service Gateway−a step fworward to e−Business, Proceeding of IEEE International Conference on Web Services(ICWS 2004),IEEE,pp.648−655,2004
H.P.Huy, T.Kawamura, T.Hasegawa:Web Service Gateway−a step fworward to e−Business, Proceeding of IEEE International Conference on Web Services(ICWS 2004),IEEE,pp.648−655,2004
しかし、従来技術では、Webアプリケーションに仕様の変更があるとラッパの仕様も変更しなければならず、膨大な数のラッパの個々の仕様を適正に管理することは現実的には可能なことではない。
また、非特許文献1に開示された従来技術では、ラッパを生成するために既存のWebアプリケーションのソースコードが必要であった。ソースコードを入手できたWebアプリケーションのラッパだけしか生成できず、膨大な数のWebアプリケーションをWebサービスとして利用するのに適しているとは言えないものであった。
本発明の目的は、様々なWebアプリケーションをWebサービスとして利用することを可能にするシステムを提供することである。
上記目的を達成するために、本発明の構造化データ抽出システムは、
構造化された部分を含む半構造化データから構造化データを抽出する構造化データ抽出システムであって、
要求に応じて処理を実行し、該処理の結果として前記半構造化データを生成する半構造化データ生成装置と、
前記半構造化データ生成装置に前記半構造化データを要求し、得られた該半構造化データ内の構造化データの部分を抽出する構造化データ抽出装置とを有している。
構造化された部分を含む半構造化データから構造化データを抽出する構造化データ抽出システムであって、
要求に応じて処理を実行し、該処理の結果として前記半構造化データを生成する半構造化データ生成装置と、
前記半構造化データ生成装置に前記半構造化データを要求し、得られた該半構造化データ内の構造化データの部分を抽出する構造化データ抽出装置とを有している。
本発明によれば、構造化データ抽出装置は、半構造化データ生成装置で生成された半構造化データから構造化データを抽出するので、個々のWebアプリケーション毎に予めラッパを作っておかなくても、またWebアプリケーションのソースコードを用いなくても様々な半構造化データから構造化データを抽出することができる。そのため、様々なWebアプリケーションを容易にWebサービスとして利用することが可能となる。
また、前記構造化データ抽出装置は、
前記半構造化データを、該半構造化データを構成する最小単位の要素に分割し、前記半構造化データの階層構造における要素毎の深度を算出する半構造化データ要素分割部と、
前記半構造化データ要素分割部にて算出された前記要素毎の深度から、深度変化の特徴を抽出する深度特徴抽出部と、
前記深度特徴抽出部にて抽出された深度変化の特徴に基づいて、前記半構造化データ内の構造化データの部分の要素群を発見する要素群発見部と、を有することとしてもよい。
前記半構造化データを、該半構造化データを構成する最小単位の要素に分割し、前記半構造化データの階層構造における要素毎の深度を算出する半構造化データ要素分割部と、
前記半構造化データ要素分割部にて算出された前記要素毎の深度から、深度変化の特徴を抽出する深度特徴抽出部と、
前記深度特徴抽出部にて抽出された深度変化の特徴に基づいて、前記半構造化データ内の構造化データの部分の要素群を発見する要素群発見部と、を有することとしてもよい。
これによれば、構造化データの深度変化には一定の特徴が推定できることを利用して、その特徴に基づいて要素群を発見するので、一定の特長を有する構造化データを容易に発見することができる。
また、前記深度特徴抽出部は、前記深度変化の特徴として、前記半構造化データの深度変化の部分的な周期性を抽出し、
前記要素群発見部は、前記深度特徴抽出部で抽出された周期性に基づいて、該周期性のある部分を構造化データの部分として検出することとしてもよい。
前記要素群発見部は、前記深度特徴抽出部で抽出された周期性に基づいて、該周期性のある部分を構造化データの部分として検出することとしてもよい。
これによれば、構造化データの特徴として深度の周期性が推定できることを利用して、その周期性のある部分を発見するので、周期性を有する構造化データを容易に発見することができる。
また、前記深度特徴抽出部は、
前記半構造化データ要素分割部にて算出された要素毎の深度をフーリエ変換して周波数スペクトルを計算する深度スペクトル計算部と、
前記深度スペクトル計算部にて計算された前記周波数スペクトルからピークを発見し、該ピークに対応する周期を前記深度特徴と定めるピーク特徴算出部とを有することとしてもよい。
前記半構造化データ要素分割部にて算出された要素毎の深度をフーリエ変換して周波数スペクトルを計算する深度スペクトル計算部と、
前記深度スペクトル計算部にて計算された前記周波数スペクトルからピークを発見し、該ピークに対応する周期を前記深度特徴と定めるピーク特徴算出部とを有することとしてもよい。
また、前記要素群発見部は、
前記深度特徴抽出部で抽出された前記深度特徴と、前記半構造化データ要素分割部で算出された前記要素毎の深度とから、深度の周期的に変化している部分を発見する周期変化部分発見部と、
前記周期変化部分発見部にて発見された前記深度の周期的に変化している部分を1周期毎に分解して前記構造化データを生成する要素群化部とを有することとしてもよい。
前記深度特徴抽出部で抽出された前記深度特徴と、前記半構造化データ要素分割部で算出された前記要素毎の深度とから、深度の周期的に変化している部分を発見する周期変化部分発見部と、
前記周期変化部分発見部にて発見された前記深度の周期的に変化している部分を1周期毎に分解して前記構造化データを生成する要素群化部とを有することとしてもよい。
本発明によれば、構造化データ抽出装置は、半構造化データ生成装置で生成された半構造化データから構造化データを抽出するので、個々のWebアプリケーション毎に予めラッパを作っておかなくても、またWebアプリケーションのソースコードを用いなくても様々な半構造化データから構造化データを抽出することができる。そのため、様々なWebアプリケーションを容易にWebサービスとして利用することが可能となる。
本発明を実施するための形態について図面を参照して詳細に説明する。
図1は、本実施形態の構造化データ抽出システム10の構成を示すブロック図である。図1を参照すると、構造化データ抽出システム10は、構造化データ抽出11および半構造化データ生成装置12を有している。
半構造化データ生成装置12は、例えばインターネットなどのネットワーク上に存在しており、要求に応じてWebアプリケーションを実行し、その結果として半構造化データを生成する。
構造化データ抽出装置11は、半構造化データ生成装置12におけるWebアプリケーションの結果である半構造化データから、そのWebアプリケーションがWebサービスとして利用された場合にWebサービスの結果として提供する構造化データを抽出する。
例えば、半構造化データ生成装置12がホテル検索Webアプリケーションであれば、半構造化データであるHTML(Hyper Text Markup Language)データにはホテル情報部分の他に広告部分が含まれていることがある。そのWebアプリケーションをWebサービスとして利用する場合、Webサービスの結果として提供すべきなのはホテル情報部分である。そして、そのホテル情報部分のようにWebサービスの結果として利用できる部分は、機械的に生成されるため構造化されている場合が多いといえる。
図2は、構造化データ抽出装置11の構成を示すブロック図である。図2を参照すると、構造化データ抽出装置11は、半構造化データ要素分割部21、深度特徴抽出部22、および要素群発見部23を有している。
半構造化データ要素分割部21は、ユーザからの半構造化データの指定を受け、半構造化データ生成装置12に対して半構造化データの要求を行う。これは、例えば、ユーザからのURLの指定を受けて該当するWebサーバにリクエストを送信することである。半構造化データの要求を受けた半構造化データ生成装置12は、該当する半構造化データを生成して半構造化データ要素分割部21に送る。
半構造化データ要素分割部21は、半構造化データ生成装置12から半構造化データを受けると、その半構造化データを要素に分割する。ここで要素とは、半構造化データを構成する単位をいう。例えば、半構造化データであるHTMLにおけるタグや文章が要素である。
また、半構造化データ要素分割部21は、半構造化データを要素に分割すると同時に、各要素の半構造化データ内での階層構造における深度を算出する。深度とは、入れ子を用いた階層構造における要素までの入れ子の回数をいい、例えばネスティングされたHTMLデータ内の要素までのネストの深さである。
半構造化データ要素分割部21は、算出した深度の情報を深度特徴抽出部22に通知し、要素と深度の対応情報を要素群発見部23に通知する。
深度特徴抽出部22は、半構造化データ要素分割部21から通知された深度の情報から深度特徴を抽出する。深度特徴とは、半構造化データ内における深度変化の特徴である。例えば、半構造化データの表の部分では深度変化に規則的な周期性があることが考えられる。その場合、深度の周期的な変化が深度特徴である。半構造化データの深度をフーリエ変換して得られたスペクトル内の最大ピークの周期を、半構造化データにおける構造化された部分の周期と推定することができる。深度特徴抽出部22で抽出された深度特徴は要素群発見部23に通知される。例えば、スペクトル内の最高ピークの部分を残すようなフィルタ処理をし、フィルタ処理されたスペクトルを深度特徴とすることとしてもよい。
要素群発見部23は、深度特徴抽出部22から通知された深度特徴から推定される、構造の共通する要素からなる要素群を発見し、その要素群を構造化データとして出力する。深度特徴が深度変化の周期性にあれば、その周期性を手がかりに構造化データを見つけることができる。例えば、ホテル検索Webアプリケーションであれば、各ホテルの宿泊料金、住所、電話番号などの情報が記載されたテーブルにおいて、ホテル毎の情報が要素群に相当する。深度特徴が上述したようなフィルタ処理されたスペクトルであれば、そのスペクトルを逆フーリエ変換することで深度が周期的に変化している部分を発見することとしてもよい。
図3は、半構造化データ要素分割部21の構成を示すブロック図である。図3を参照すると、半構造化データ要素分割部21は、半構造化データ要求部31、深度算出部32、および深度提供部33を有している。
半構造化データ要求部31は、ユーザの指定した半構造化データを半構造化データ生成装置12に要求する。半構造化データ要求部31からの要求を受けた半構造化データ生成装置12は、要求された半構造化データを生成して半構造化データ要素分割部21の深度算出部32に通知する。
深度算出部32は、半構造化データ生成装置12から半構造化データを受けると、
半構造化データを要素に分割し、各要素の深度を算出して要素と深度の情報を深度提供部33に通知する。
半構造化データを要素に分割し、各要素の深度を算出して要素と深度の情報を深度提供部33に通知する。
深度提供部33は、深度算出部32から通知された要素と深度を要素群発見部23に提供し、深度を深度特徴抽出部22に提供する。
図4は、深度特徴抽出部22の構成を示すブロック図である。図4を参照すると、深度特徴抽出部22は、深度スペクトル計算部41およびピーク特徴算出部42を有している。
深度スペクトル計算部41は、半構造化データ要素分割部21の深度提供部33から通知された深度をFFT(Fast Fourier Transform)でフーリエ変換して周波数成分に分解する。そして、深度スペクトル計算部41は、得られた周波数スペクトルをピーク特徴算出部42に通知する。
ピーク特徴算出部42は、深度スペクトル計算部41から通知された周波数スペクトル内の最大ピークを発見し、そのピーク周波数に対応する周期(ピーク周期)を算出する。そして、ピーク特徴算出部42は、算出したピーク周期を深度特徴として要素群発見部23に通知する。
図5は、要素群発見部23の構成を示すブロック図である。図5を参照すると、要素群発見部23は、周期変化部分発見部51および要素群化部52を有している。
周期変化部分発見部51は、半構造化データ要素分割部21から深度と要素の情報を受け、深度特徴抽出部22から深度特徴であるピーク周期を受け、半構造化データの深度がピーク周期で周期的に変化している部分(深度周期変化部分)を発見する。そして、周期変化部分発見部51は、その深度周期変化部分の各要素を抽出し、要素群化部52に通知する。例えば、半構造化データの深度変化の波形に対して2周期分の幅で先頭から走査し、2周期分の中の前半(1周期目)と後半(2周期目)の波形の差分をとり、この差分が所定値以下の範囲を深度周期変化部分すればよい。そして、周期変化部分発見部51は、その深度周期変化部分を要素群化部52に通知する。
要素群化部52は、周期変化部分発見部51から通知された深度周期変化部分に対応する要素を1周期毎に分割して要素群化する。例えば、HTMLデータ内の表の部分すなわちtableタグで囲まれている部分が深度周期変化部分であるとすると、その中のtrタグで分割したものが要素群となる。この要素群がWebサービスの結果として用いられる構造化データである。深度周期変化部分を1周期毎に分割するとき、深度の最も浅い箇所の要素で分割することとしてもよい。表のような構造の部分では、項目の切り替わり目の深度が浅いと推定されるからである。また、深度周期変化部分を1周期毎に分割するとき、要素のタグ情報を参照し、そのタグ情報を用いて分割箇所を決定してもよい。表のような構造の部分では、項目の切り替わり目のタグ情報に共通性があると推定されるからである。
図6は、本実施形態における構造化データ抽出動作を示すフローチャートである。図6を参照すると、構造化データ抽出装置11は、まず、半構造化データ生成装置12から取得した半構造化データを要素に分割する(ステップ101)。次に、構造化データ抽出装置11は、各要素の深度を算出する(ステップ102)。
図7は、半構造化データの各要素とその深度の関係の一例を示すグラフである。図7には、天気予報のHTMLデータの各要素とその深度が示されている。図7のグラフから半構造化データの深度変化の様子が分かる。図8は、要素と深度の関係の一例を示す表である。図7のグラフは図8のような表にすることができ、この表を元に深度特徴の抽出が可能となる。
次に、構造化データ抽出装置11は、半構造化データの深度変化から深度特徴を抽出する(ステップ103)。その際、構造化データ抽出装置11は、深度変化の波形をフーリエ変換し、得られた周波数スペクトルの最大のピーク周波数に対応するピーク周期を深度特徴として求める。図9は、半構造化データの深度の周波数スペクトルの一例を示すグラフである。図9から最大のピーク周波数が求まるので、構造化データ抽出装置11は、その周波数に対応する周期を深度特徴と定める。
次に、構造化データ抽出装置11は、深度特徴として定めたピーク周期から、構造の共通する要素からなる深度周期変化部分を発見し(ステップ104)、その深度周期変化部分を1周期毎に分割して要素群化して構造化データとして出力する。
図10は、深度周期変化部分を説明するための図である。図10の例にある深度変化のグラフにおいて、ピーク周期で周期的に変化している部分が深度周期変化部分となる。図11は、構造化データの一例を示す図である。深度周期変化部分を1周期毎に分解したものが図11のような構造化データとなる。
以上説明したように、本実施形態によれば、構造化データ抽出装置11は、半構造化データ生成装置12で生成された半構造化データから構造化データを抽出するので、個々のWebアプリケーション毎のラッパを予め準備しておかなくても、またWebアプリケーションのソースコードを用いなくても様々な半構造化データから構造化データを抽出することができる。そのため、様々なWebアプリケーションを容易にWebサービスとして利用することが可能となる。
また、構造化データの深度変化には一定の特徴が推定できることを利用して、その特徴に基づいて要素群を発見するので、一定の特長を有する構造化データを容易に発見することができる。また、構造化データの特徴として深度の周期性が推定できることを利用して、その周期性のある部分を発見するので、周期性を有する構造化データを容易に発見することができる。
なお、本実施形態では、周波数スペクトルの最大のピークを取り出し、そのピーク周波数に対応する周期を深度特徴としたが、本発明はこれに限定されるものではない。他の例として、最大でないものも含めてピークを取り出し、その周波数に対応する周期を深度特徴としてもよい。これによれば、半構造化データ内に複数の異なる構造化データの部分が存在する場合に、それらを抽出することができる。
10 構造化データ抽出システム
11 構造化データ抽出
12 半構造化データ生成装置
21 半構造化データ要素分割部
22 深度特徴抽出部
23 要素群発見部
31 半構造化データ要求部
32 深度算出部
33 深度提供部
41 深度スペクトル計算部
42 ピーク特徴算出部
51 周期変化部分発見部
52 要素群化部
101〜104 ステップ
11 構造化データ抽出
12 半構造化データ生成装置
21 半構造化データ要素分割部
22 深度特徴抽出部
23 要素群発見部
31 半構造化データ要求部
32 深度算出部
33 深度提供部
41 深度スペクトル計算部
42 ピーク特徴算出部
51 周期変化部分発見部
52 要素群化部
101〜104 ステップ
Claims (7)
- 構造化された部分を含む半構造化データから構造化データを抽出する構造化データ抽出システムであって、
要求に応じて処理を実行し、該処理の結果として前記半構造化データを生成する半構造化データ生成装置と、
前記半構造化データ生成装置に前記半構造化データを要求し、得られた該半構造化データ内の構造化データの部分を抽出する構造化データ抽出装置と、を有する構造化データ抽出システム。 - 前記構造化データ抽出装置は、
前記半構造化データを、該半構造化データを構成する最小単位の要素に分割し、前記半構造化データの階層構造における要素毎の深度を算出する半構造化データ要素分割部と、
前記半構造化データ要素分割部にて算出された前記要素毎の深度から、深度変化の特徴を抽出する深度特徴抽出部と、
前記深度特徴抽出部にて抽出された深度変化の特徴に基づいて、前記半構造化データ内の構造化データの部分の要素群を発見する要素群発見部と、を有する請求項1に記載の構造化データ抽出システム。 - 前記深度特徴抽出部は、前記深度変化の特徴として、前記半構造化データの深度変化の部分的な周期性を抽出し、
前記要素群発見部は、前記深度特徴抽出部で抽出された周期性に基づいて、該周期性のある部分を構造化データの部分として検出する、請求項2に記載の構造化データ抽出システム。 - 前記深度特徴抽出部は、
前記半構造化データ要素分割部にて算出された要素毎の深度をフーリエ変換して周波数スペクトルを計算する深度スペクトル計算部と、
前記深度スペクトル計算部にて計算された前記周波数スペクトルからピークを発見し、該ピークに対応する周期を前記深度特徴と定めるピーク特徴算出部と、を有する請求項3に記載の構造化データ抽出システム。 - 前記要素群発見部は、
前記深度特徴抽出部で抽出された前記深度特徴と、前記半構造化データ要素分割部で算出された前記要素毎の深度とから、深度の周期的に変化している部分を発見する周期変化部分発見部と、
前記周期変化部分発見部にて発見された前記深度の周期的に変化している部分を1周期毎に分解して前記構造化データを生成する要素群化部と、を有する請求項2から4のいずれか1項に記載の構造化データ抽出システム。 - 構造化された部分を含む半構造化データから構造化データを抽出する構造化データ抽出装置であって、
前記半構造化データを、該半構造化データを構成する最小単位の要素に分割し、前記半構造化データの階層構造における要素毎の深度を算出する半構造化データ要素分割部と、
前記半構造化データ要素分割部にて算出された前記要素毎の深度から、深度変化の特徴を抽出する深度特徴抽出部と、
前記深度特徴抽出部にて抽出された前記深度変化の特徴に基づいて、前記半構造化データ内の構造化データの部分の要素群を発見する要素群発見部と、を有する構造化データ抽出装置。 - 構造化された部分を含む半構造化データから構造化データを抽出するための構造化データ抽出方法であって、
前記半構造化データを、該半構造化データを構成する最小単位の要素に分割し、前記半構造化データの階層構造における要素毎の深度を算出し、
算出した前記要素毎の深度から、深度変化の特徴を抽出する深度特徴抽出部と、
抽出した前記深度変化の特徴に基づいて、前記半構造化データ内の構造化データの部分の要素群を発見する、構造化データ抽出方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006059550A JP2007241417A (ja) | 2006-03-06 | 2006-03-06 | 構造化データ抽出システム、装置、および方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006059550A JP2007241417A (ja) | 2006-03-06 | 2006-03-06 | 構造化データ抽出システム、装置、および方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2007241417A true JP2007241417A (ja) | 2007-09-20 |
Family
ID=38586934
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2006059550A Pending JP2007241417A (ja) | 2006-03-06 | 2006-03-06 | 構造化データ抽出システム、装置、および方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2007241417A (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE112008002496T5 (de) | 2007-09-18 | 2010-10-21 | Shin-Etsu Polymer Co., Ltd. | Funkwellen durchlassendes Zierelement |
CN109710413A (zh) * | 2018-12-29 | 2019-05-03 | 重庆誉存大数据科技有限公司 | 一种半结构化文本数据的规则引擎系统的整体计算方法 |
CN110070538A (zh) * | 2019-04-28 | 2019-07-30 | 华北电力大学(保定) | 基于形态优化深度特征的螺栓二维视觉结构聚类方法 |
-
2006
- 2006-03-06 JP JP2006059550A patent/JP2007241417A/ja active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE112008002496T5 (de) | 2007-09-18 | 2010-10-21 | Shin-Etsu Polymer Co., Ltd. | Funkwellen durchlassendes Zierelement |
CN109710413A (zh) * | 2018-12-29 | 2019-05-03 | 重庆誉存大数据科技有限公司 | 一种半结构化文本数据的规则引擎系统的整体计算方法 |
CN110070538A (zh) * | 2019-04-28 | 2019-07-30 | 华北电力大学(保定) | 基于形态优化深度特征的螺栓二维视觉结构聚类方法 |
CN110070538B (zh) * | 2019-04-28 | 2022-04-15 | 华北电力大学(保定) | 基于形态优化深度特征的螺栓二维视觉结构聚类方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Römer et al. | Real-time search for real-world entities: A survey | |
CN103531218B (zh) | 一种在线多媒体文件编辑方法及系统 | |
RU2005115570A (ru) | Представление слитного вида ярлыков на удаленные приложения от множества поставщиков | |
RU2009139653A (ru) | Способ получения интерфейсов веб-служб из метаданных форм и таблиц | |
CN104246748A (zh) | 用于确定情境的系统和方法 | |
JP6457903B2 (ja) | Api変換テーブル生成装置 | |
CN105760397A (zh) | 物联网本体模型处理方法及装置 | |
US20170339252A1 (en) | Generating a response to a client device in an internet of things domain | |
WO2016173185A1 (zh) | 信息推送方法和装置 | |
CN103513986B (zh) | 一种在无操作系统设备中利用CGI技术实现动态web服务器的方法 | |
JP2007241417A (ja) | 構造化データ抽出システム、装置、および方法 | |
Nakano et al. | Method of creating web services from web applications | |
WO2010000211A1 (zh) | 搜索方法、搜索服务器和搜索系统 | |
CN103093377A (zh) | 一种广告投放方法和系统 | |
KR20110070724A (ko) | 오픈 api 통합 검색 및 매쉬업 블록 기반코드 생성 장치 및 그 방법 | |
JP2013054602A (ja) | グラフパターンマッチングシステムおよびグラフパターンマッチング方法 | |
US8738801B2 (en) | Methods and apparatus for updating index information while adding and updating documents in a distributed network | |
JP2010039997A (ja) | 情報検索装置、情報検索方法、プログラム、および記録媒体 | |
Mangler et al. | On the origin of services using riddl for description, evolution and composition of restful services | |
CN103605708B (zh) | Kad网络中由关键词哈希值推测关键词的方法及系统 | |
CN102456070A (zh) | 检索装置和检索方法 | |
JP5379627B2 (ja) | 検索制御装置、検索制御方法、及びプログラム | |
CN101427519A (zh) | 用于在网络中执行发现的设备、系统和方法 | |
Wang et al. | Topological analysis of a two coupled evolving networks model for business systems | |
Arefin et al. | Diamond: Correlation-based anomaly monitoring daemon for dime |