一元 Datalog 与 Web 信息抽取语言的表达力

从 Web 页面抽取信息（包装）的研究近来十分活跃（尤其是系统实现），但鲜有工作正式研究所提出形式化的表达力或包装的理论基础。在本文中，我们首先研究树上一元 datalog 作为一种包装语言。我们表明这一简单语言在指定包装器的能力上等价于一元二阶逻辑（MSO）。我们相信 MSO 具有 Web 信息抽取所需的恰当表达力，并提议将 MSO 作为评估和比较包装器的标尺。在此过程中，确立了关于树上一元 datalog 的查询求值与查询包含复杂性的若干其他结果，并给出了该语言的一种简单范式。利用上述结果，我们随后研究了 Lixto 系统（一种可视化包装生成器）中所用 Elog 包装语言的核心片断 Elog$^-$。值得注意的是，Elog$^-$ 恰好刻画了 MSO，却更易于使用。实际上，该语言中的程序可完全通过可视化指定。