В том что касается табличной верстки и вообще таблиц, на самом деле ситуация не столь безыходна что нельзя делать, в том числе и в автоматическом режиме, гипотезы по структуре сайта и далее их проверять.
К примеру, мой алгоритм превращения новостных блоков в RSS вообще не учитывает специфики таблиц. Фактически, он выполняет лишь довольно простые логически и сложные алгоритмически действия по поиску повторяющихся блоков, отделения от этих блоков дат и заголовка, далее, огрублённая группировка всех нераспознанных участков в поле description в RSS.

При этом есть случаи когда новостные блоки в табличной форме, есть случаи когда это просто списки, а есть и сложные ситуации когда это блоки без чётких границ между собой и требуется выравнивание их структуры.

Анализ табличных данных — это, имхо, несколько другая история. Для классификации потребуются довольно длительные усилия по классификации типов полей, правил кластеризации и так далее. Я интересовался немного этой темой в целях анализа и классификации структуры таблиц для последующего ручного связывания её полей с RDF или иными спецификациями, но простого решения найти не удалось. Впрочем не могу сказать что посвятил много времени именно этой теме.

то что необходимо распознавать структуру это однозначно полезно, но на сегодняшний день если посмотреть на OCR-системы(например) тот же Finereader весьма и весьма неплохо распознает структуру любой таблицы(даже с разрушенной структурой). и поверьте возможная реализация их алгоритма в online -сервисе позволит распознавать таблицы в PDF и других бинарных форматах с очень высокой точностью. А для структурного анализа текстовых форматов с целью выявления табличных данных существует десятка 2 алгоритмов. о некоторых из которых можно почитать в онлайн. Только была бы в них необходимость…

Скажу честно с написанного поста я не понял, что такое нечеткая структура данных или данные с нечеткой структурой (не в обиду автору). Вообще мне кажется к структуре данных слово нечеткая лучше не применять. Даже применение более подходящих аналогов к структуре — нечетковыраженная и нечеткоопределенная структура в свое время вызвало немало дисскусий. И насколько помню эти термины были заменены.

Что касается «Поиска решения для новостной информации закодированной в HTML» здесь есть много неоднозначностей, что приводит к невозможности создания унифицированного решения, то есть автомат нельзя создать для всех случаев +особенно если вы вручную не указываете какая конкретно таблица из веб-страницы содержит новости (и где собственно границы семантически значимой таблицы).
а для каких случаев у вас работает автомат я не увидел. Еще проблема (а где то ж помню находил статистику на 2004 год) 52% сайтов интернета использует табличную верстку. то есть таблицы в таблицах. проанализировать это можно а вот проинтепретировать практически нельзя. Конечно на онтологиях есть решение, но тоже с ограничениями. еще хотел сказать когда табличные данные проанализированы, их нужно проинтепретировать, даже в терминах RSS, т.е нужно установить семантическое соответствие между элементами таблицы и терминами предметной области или RSS. Это сложно и практически невозможно так как в структуре семантики нет.
В таблицах, и даже в таблицах HTML построенных с использованием Simple Table Model или Complex Table Model, средств выражения семантики практически нет, а учитывая то, что в большинстве случаев даже те средства что есть не используются. Сами понимаете, что будет получатся в результате анализа.
Чесно говоря, если бы семантический интерпретатор таблиц был бы создан, то наверное как раз и не важно было бы в RDF данные представлены или в таблицах, потому что мапинг всегда можно было бы сделать при необходимости))

С целями разработки заявленныз в посте средств согласен. Тем более вероятно в Linked Data семантика менее важна чем в Semantic Web, но без возможности интерпретации цена этим структурированным данным не велика.