Extraction de données sur Internet avec Retroweb
Transcription
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]