基于DOM的Web信息抽取

• 作者: 崔继馨 张鹏 杨文柱
• 来源期刊: 河北农业大学学报
• 关键词: DOM 包装器 抽取规则 信息抽取
• 年，卷（期）: 2005,（3）
• 页码范围: 90-93
• 页数: 4页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1573.2005.03.024

摘要

为解决因Web信息量巨大且具有动态性、不规则性,Web信息查询和Web信息集成存在很大困难,研究了对HTML格式的 Web文档的信息抽取,提出了一种基于DOM的Web信息抽取方法.该方法通过附加语义、样本学习生成基于DOM路径的抽取规则,利用遍历DOM树实现信息抽取.本方法可用于Web查询,也可用于信息集成系统中包装器的构造.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨文柱	河北大学数学与计算机学院	32	570	13.0	23.0
2	张鹏		9	48	2.0	6.0
3	崔继馨		5	38	1.0	5.0