法則ページの抽出

法則の変遷情報の抽出を行うために，前処理としてWikipediaから法則を記載したページを抽出する必要がある． そのため，Wikipediaから法則ページの抽出を行う．本研究で取り扱うWikipediaのページは， 図に示しているようなXMLファイルのデータ構造となっている． そのうち，変遷情報の抽出で利用するXMLタグの説明を表にまとめる．

図: Wikipediaのページ構造

表: 手法A2の素性

タグ	説明
[[PPP]]	PPPというページへのリンク情報
<title>	ページのタイトル名の始まり
</title>	ページのタイトル名の終わり
<text>	ページの内容の始まり
</text>	ページの内容の終わり

法則ページの抽出では，図のようなXMLファイルを入力とし， <title>と</title>で囲まれたページのタイトル名は，語尾が[分布][分類][泳動][原理][現象][数][効果] [公理][理論][収差][定理][転位][予想][法][価][律][線][説][式][則]と一致した場合に， そのページを法則ページとして抽出する．