从Web中抽取和聚合对象信息对于Web数据处理意义重大,因为通常同一类型的对象分布于不同的Web资源中,而这些资源的结构特征迥异,现有的Web信息抽取技术往往无法较好地完成Web对象的抽取,针对这一情况,本文提出了本体导向的对象信息抽取(OGOIE, Ontology Guided Object Information Extraction)框架,并对框架中的两个关键技术进行了设计与实现。OGOIE框架主要包括四个模块(网页分析器、对象类别识别器、对象元素识别器和对象判重器),两个输入资源库(领域本体和领域原始网页)和一个输出资源库(领域对象库)。从框架中引出的两个关键技术分别是新词识别, SVM分类器效率的改进(SRL,SVM的样本缩减算法)。其中新词识别隶属于网页分析器,是分词的后续修正过程,包括在线识别和离线识别两部分,主要目的是尽可能地减小分词误差对接下来工作的负面影响。第二项关键技术是对SVM分类器效率的改进,分类器在该框架中应用居多,对象类别和其元素属性的识别都有需要,本文考虑在分类之前借助于线性分类器(朴素贝叶斯和中心法)对训练样本进行缩减来达到降低SVM分类效率的目的,由此提出了基于线性分类器的SVM样本缩减算法(SRL,Sample Reduction for SVM by a Linear Classifier)。最后分别对新词识别和SRL算法进行了实验验证,其中新词识别以台风概念及其实例为例,实验结果表明通过新词识别能使分词后领域词的正确分词率有明显提高;另外,SRL在数据集20NG、WebKB4、Rel100上准确率和召回率的对比分析表面,它能在保持SVM较高精度的同时通过缩减训练样本来降低SVM的训练时间。后续还有很多工作有待完成,如OGOIE框架中其他部分的具体实现,以及当前实现技术的效率和效果的改进,不过实验结果和相关分析验证了OGOIE框架设计的可行性和关键技术实现的可用性。