[发明专利]可扩展的web数据提取

权利要求书

1.一种用于可扩展的web数据提取的计算装置，所述计算装置包括：

处理器，用于

定义用于从web页面提取的web数据的多个数据记录片段的联合势函数，其中所述联合势函数模拟所述web数据的数据记录分割和所述多个数据记录片段中的成对的数据片段之间的依赖性；

从所述多个数据记录片段中识别主记录片段和多个相关记录片段，其中所述多个相关记录片段中的每个与所述主记录片段相关联；

确定多个相关属性，其中所述多个相关属性中的每个属性与所述多个相关记录片段中的对应的相关片段相关联；以及

将所述联合势函数应用于所述主记录片段和每个对应的相关片段，以确定描述所述主记录片段和所述对应的相关片段之间的数据关系的对应的关系标签。

2.根据权利要求1所述的计算装置，其中所述联合势函数使用随机梯度和有限内存拟牛顿算法中的至少一种来训练，并且其中所述联合势函数是凹函数。

3.根据权利要求2所述的计算装置，其中所述联合势函数被定义为

其中

Φ(r,s,x)=exp{Σi=1|s|Σk=1Kλkgk(i,s,x)+Σm,nMΣw=1Wμwqw(rpm,rpn,r)+Σj=1LΣt=1Tvtht(sp,sj,r)},]]>

Z(x)＝∑_y∏Φ(r,s,x)，并且是正则化参数，并且s是数据记录分割的赋值，r是属性标签的赋值，x是所述web数据，并且λ_k、μ_w和v_t是在包含所述联合势函数的概率模型中进行优化的参数。