网页数据自动抽取系统

• 作者: 宋瀚涛 王茹 陆玉昌
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 信息提取 包装器产生 DOM树
• 年，卷（期）: 2004,（19）
• 所属期刊栏目: 网络、通信与安全
• 页码范围: 135-138
• 页数: 4页
• 分类号: TP311
• 字数: 4310字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2004.19.043

摘要

在Internet中存在着大量的半结构化的HTML网页.为了使用这些丰富的网页数据,需要将这些数据从网页中重新抽取出来.该文介绍了一种新的基于树状结构的信息提取方法和一个自动产生包装器的系统DAE(DOM basedAutomatic Extraction),将HTML网页数据转换为XML数据,在提取的过程中基本上不需要人工干预,因而实现了抽取过程的自动化.该方法可以应用于信息搜索agent中,或者应用于数据集成系统中等.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋瀚涛	北京理工大学计算机系	124	2643	28.0	47.0
2	陆玉昌	清华大学计算机系智能技术与系统国家重点实验室	86	4098	32.0	63.0
3	王茹	北京理工大学计算机系	14	103	5.0	10.0