III. THE PROBLEMDuring the prelimin

III. THE PROBLEM
During the preliminary investigation of Thai Herb websites,
we found the following problems for the task of extracting Thai
herb treatment information.
The first problem is that the available HTML parser
tool, such as JSOUP, can only extract the Thai herb treatment
information from some websites, but not all websites. The
websites that it can process must have explicit structure for
different types of information. However, some websites do not
have this explicit structure, as illustrate in figure 1 and figure 2.
When the topic name can be common name, science
name, family name, and medicinal used.
Hence, a HTML parser tool can extract this type of
website rather reliably.
In contrast, Figure 2 shows a HTML source with
inconsistent structure. For example, it embeds different type of
information in the same tag type, i.e., . Hence, the HTML
parser cannot reliably extract needed information.
The second problem is how to extract parts of used
and symptom names, which embedded inside the medicinal
used, as shown in figure 3.

ผลลัพธ์ (ไทย) 2:

III ปัญหาในระหว่างการตรวจสอบเบื้องต้นของเว็บไซต์ไทยสมุนไพรที่เราพบปัญหาต่อไปสำหรับงานของการแยกไทยข้อมูลสมุนไพรรักษา. ปัญหาแรกคือว่าที่มีอยู่ parser HTML เครื่องมือเช่น JSOUP เท่านั้นที่สามารถดึงการรักษาสมุนไพรไทยข้อมูลจากบางเว็บไซต์ แต่ไม่ทุกเว็บไซต์ เว็บไซต์ที่จะสามารถดำเนินการจะต้องมีโครงสร้างที่ชัดเจนสำหรับความแตกต่างของข้อมูล แต่บางเว็บไซต์ไม่ได้มีโครงสร้างที่ชัดเจนนี้เป็นแสดงให้เห็นในรูปที่ 1 และรูปที่ 2 เมื่อชื่อหัวข้อสามารถเป็นชื่อสามัญวิทยาศาสตร์ชื่อชื่อสกุลและยาที่ใช้. ดังนั้นเครื่องมือ HTML parser สามารถแยกประเภทของการนี้เว็บไซต์ค่อนข้างน่าเชื่อถือ. ในทางตรงกันข้ามรูปที่ 2 แสดงแหล่งที่มาของ HTML ที่มีโครงสร้างที่ไม่สอดคล้องกัน ยกตัวอย่างเช่นมันฝังชนิดที่แตกต่างกันของข้อมูลในรูปแบบแท็กเดียวกันคือ















. ดังนั้นแบบ HTML
parser ไม่สามารถเชื่อถือได้ดึงข้อมูลที่จำเป็น.
ปัญหาที่สองคือวิธีการแยกชิ้นส่วนต่าง ๆ
ที่ใช้ชื่อและอาการที่ฝังตัวอยู่ในยาที่ใช้ดังแสดงในรูปที่
3

ผลลัพธ์ (ไทย) 3:

3 . ปัญหา
ระหว่างการสืบสวนเบื้องต้นของเว็บไซต์สมุนไพรไทย ,
เราพบปัญหาในงานของการสกัดข้อมูลการรักษาสมุนไพร

ต่อไปนี้ ปัญหาแรกคือว่าใช้ HTML parser
เครื่องมือ เช่น jsoup สามารถดึงข้อมูลการรักษา
สมุนไพรไทยจากเว็บไซต์บาง แต่ไม่ทั้งหมดเว็บไซต์ .
เว็บไซต์ที่สามารถประมวลผลต้องมีโครงสร้างที่ชัดเจนสำหรับ
ข้อมูลชนิดต่าง ๆ อย่างไรก็ตาม บางเว็บไซต์ไม่ได้
มีโครงสร้างชัดเจน ดังแสดงในรูปที่ 1 และรูปที่ 2 .
เมื่อชื่อหัวข้อเป็นชื่อสามัญ วิทยาศาสตร์
ชื่อนามสกุล และสรรพคุณ .
ดังนั้น parser HTML เครื่องมือที่สามารถสกัดของเว็บไซต์ค่อนข้างเชื่อถือได้

ส่วนประเภทนี้รูปที่ 2 แสดงแหล่งที่มา HTML กับ
โครงสร้างไม่สอดคล้อง ตัวอย่างเช่นมันจะฝังชนิดที่แตกต่างกันของข้อมูลชนิดเดียวกัน
ในแท็ก เช่น < li > ด้วยเหตุนี้ , HTML Parser ไม่สามารถเชื่อถือได้ สารสกัดจากข้อมูลที่จำเป็น
.
ปัญหาที่สองคือวิธีการสกัดส่วนใช้ชื่อ
และอาการ ซึ่งฝังตัวอยู่ภายในสมุนไพร
ใช้ ดังแสดงในรูปที่ 3