Extraction de données sur Internet avec Retroweb

Extraction de données sur Internet
avec Retroweb
CETIC a.s.b.l. • Bâtiment Eole • Rue des Frères Wright, 29/3 • B-6041 Charleroi (Belgique) • T. +32 71 490 700 •
F. +32 71 490 799 • [email protected]
Contexte & motivations
•
Internet
– Vaste
– Bruité
– Chaotique
– Mouvant
source : http://xkcd.com
CETIC a.s.b.l. • Bâtiment Eole • Rue des Frères Wright, 29/3 • B-6041 Charleroi (Belgique) • T.+32 71 490 700 •
F.+32 71 490 799 • [email protected]
Retroweb - en bref
•
Outil pour l'extraction de données ciblées sur Internet
•
Deux composants
– Retroweb-GUI : création visuelle de règles d'extraction,
processus semi-automatique
– Retroweb-Wrapper : extraction des données à partir des règles
d'extraction
CETIC a.s.b.l. • Bâtiment Eole • Rue des Frères Wright, 29/3 • B-6041 Charleroi (Belgique) • T.+32 71 490 700 •
F.+32 71 490 799 • [email protected]
Retroweb - avantages
•
•
•
•
•
Facile : pas de langage particulier à apprendre
Flexible : extraction des données pertinentes, uniquement
Robuste : définition des règles d'extraction sur un ensemble de
pages
Extensible : basé sur des standards (XML, XPath, ...)
Multi-plateforme : fonctionne sous GNU-Linux et MS-Windows
CETIC a.s.b.l. • Bâtiment Eole • Rue des Frères Wright, 29/3 • B-6041 Charleroi (Belgique) • T.+32 71 490 700 •
F.+32 71 490 799 • [email protected]
Retroweb - GUI
3. Structuration
des données
2. Génération
des règles
d'extraction
1. Sélection des
données à
extraire
4. Visualisation
des résultats
de l'extraction
CETIC a.s.b.l. • Bâtiment Eole • Rue des Frères Wright, 29/3 • B-6041 Charleroi (Belgique) • T.+32 71 490 700 •
F.+32 71 490 799 • [email protected]
Technologies utilisées
CETIC a.s.b.l. • Bâtiment Eole • Rue des Frères Wright, 29/3 • B-6041 Charleroi (Belgique) • T.+32 71 490 700 •
F.+32 71 490 799 • [email protected]
Offres de service
•
•
•
•
Moteurs de recherche ciblés
Outils de veille sur Internet
Retro-ingénierie de sites web
Sémantisation de corpus
CETIC a.s.b.l. • Bâtiment Eole • Rue des Frères Wright, 29/3 • B-6041 Charleroi (Belgique) • T.+32 71 490 700 •
F.+32 71 490 799 • [email protected]
Contact :
Fabrice Estiévenart
[email protected]
+32 (0)71/490.728
CETIC a.s.b.l. • Bâtiment Eole • Rue des Frères Wright, 29/3 • B-6041 Charleroi (Belgique) • T. +32 71 490 700 •
F. +32 71 490 799 • [email protected]