基于标记树对象抽取技术的Hidden Web获取研究

• 作者: 叶允明 宋晖 张岭 马范援
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: Hidden Web 信息检索 对象抽取 结构化查询 标记树
• 年，卷（期）: 2002,（23）
• 所属期刊栏目: 博士论坛
• 页码范围: 9-12,24
• 页数: 5页
• 分类号: TP391|TP393
• 字数: 6077字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2002.23.004

摘要

目前标准的搜索引擎能够检索的仅仅是World Wide Web提供的小部分称为可索引的Web信息.大量的Hidden Web信息(估计容量是可索引Web的500倍)对这些搜索引擎是不可见的.这些信息隐藏在Web页面的搜索表单后面,保存在大型的动态数据库中.该文提出了一套检索Hidden Web信息的方法,给出了系统的框架结构,并详细讨论了实现的关键技术.系统采用新的基于标记树的对象抽取(Tag-Tree-based Object Extraction)方法自动地从Web页面中抽取Hidden Web信息,然后在此基础上给出了结构化的Hidden Web信息查询算法.文章最后对实验结果进行了讨论.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马范援	上海交通大学计算机系	64	1043	18.0	31.0
2	宋晖	上海交通大学计算机系	4	172	4.0	4.0
3	张岭	上海交通大学计算机系	6	274	6.0	6.0
4	叶允明	上海交通大学计算机系	3	164	3.0	3.0