17、基于知识的电商购物比较图表生成器

基于知识的电商购物比较图表生成器

1. 引言

在电商购物中，大多数销售特定类型产品的网店存在一些问题。这些网店通常只提供有限的品牌和产品型号，其设计受零售商影响，主要目标是尽可能多地向访问者销售产品。这导致它们对产品的展示有固定模式，更注重价格，而对产品特性的完整呈现不够重视，也不鼓励进行产品的横向比较。而且，在展示产品时，它们往往只强调少数优势特性，而忽略劣势。虽然这些网店对最终购买交易有价值，但无法满足那些对可选择产品没有清晰了解的潜在买家的需求。

为了了解产品的详细信息，买家通常会浏览产品品牌网站上的详细规格页面。然而，由于市场上有众多品牌和型号，浏览大量规格页面非常耗时。此外，比较不同型号的产品只能手动进行，如在纸上记录或复制粘贴到电子表格中，即使是经验丰富的网络用户也会觉得这项工作负担过重。

因此，需要一种软件工具，能够轻松地从各种已知网站收集产品规格信息，创建比较购物图表。这不是信息检索任务，而是信息提取任务。网络搜索引擎可以帮助定位信息资源，但无法处理这些资源、提取特征 - 值对并将信息整合到一个比较表格中。

近年来，研究人员提出了多种网页信息提取方法和工具，其中“包装器（wrapper）”是该领域的关键概念。包装器是一种映射，用于将网页中的隐式对象填充到数据存储库中。创建包装器通常需要进行训练（包装器归纳），使其能够识别所需信息。与依赖特定领域知识和语义、句法约束的自然语言处理（NLP）技术不同，包装器归纳主要关注所需信息周围的特征（分隔符），通常是 HTML 标签。此外，提取特定类型的信息（如地址、电话号码、价格等）通常会大量使用正则表达式。

包装器归纳主要有两个研究方向：
- 线性方法