knowledgebase 百科解析（使用htmlparser） 五张表

Presentation on theme: "knowledgebase 百科解析（使用htmlparser） 五张表"— Presentation transcript:

1 knowledgebase 百科解析（使用htmlparser） 五张表
Baidu.解析出多义词、infobox、linkage、catagory Wiki. 解析出infobox、中英文entity、catagory Hudong.解析出infobox、中英文entity、category 五张表 baiduEntity(source:baidu) engEntity(source:wiki/hudong) linkage(source:baidu) infobox(source:baidu/wiki/hudong) taxonomy(source:baidu/wiki/hudong)

2 knowledgebase 存储表格 baiduEntity表 engEntity表 linkage表 id entity_name
source 1 百度百科 baidu … entity_name english_name source 苹果 Apple Wiki/hudong … entity_name alias linkEntity source 苹果 蔷薇科苹果植物 香蕉 baidu 苹果公司 乔布斯

3 knowledgebase 存储表格 infobox表 taxonomy表
Wiki、hudong数据alias列值与entity_name相同 entity_name alias attribute value source 苹果 蔷薇科苹果植物 目 蔷薇目 baidu 苹果公司 外文名 Apple.Inc entity_name alias catagory source 苹果 蔷薇科苹果植物 水果 baidu 苹果公司 跨国公司

4 Web Site 网址（内网） 界面 输入格式 http://10.131.246.72:8080/Soso 刘德华（单一实体）
刘德华 代表作品（实体及属性，以空格分开） I DO I DO（带空格的实体） I DO I DO 主演（带空格的实体及其属性）

5 Web Site Searching result 李白 数据来源索引 Baidu 多义词索引 信息展示区

6 Web Site Searching result 李白 baidu结果 wiki结果 hudong结果

7 Web Site Searching result 李白 代表作品 I DO I DO 导演

8 Web Site Statement 数据源索引、baidu多义词索引能够定位到网页指定的位置 数据库中空格在网页中显示为“+”（编码问题）
Problems 数据库中空格在网页中显示为“+”（编码问题） Linkage搜索的链接跳转存在问题（中文编码问题--linkage为英文可以跳转搜索但中文无法显示，linkage为中文无搜索结果)