解析非结构化数据

Question

我正在编写一个书签，它将从站点中提取信息并将其发送到用户帐户以保存以供以后使用。这通常包括获取非结构化信息并将其结构化的问题。举个例子，一个业余爱好者想要保存一个项目以备后用。他们需要获取许多部件并遵循说明。在一篇博客中，作者可以将说明称为directions 或recipe 或任何数量的同义词。一个人可能会列出带有<li> 标签的信息来订购步骤，而另一个人可能不会。

将非结构化数据转化为结构化信息的一般策略是什么？是否有其他策略来确定哪些内容是相关的？ （即 Instapaper 或可读性）

Answer 1

嗯...也许您可以将它与 Google 结合使用？看看头部和元标签也是一个好主意。您还可以列出单词的使用频率。哎呀，您甚至可以有一个弹出警报，要求用户输入有关页面的数据。

Answer 2

这个问题似乎没有一个好的计算机科学答案，所以我决定改变方法，让用户按照他们认为合适的方式组织数据。