基于自动规约规则的HTML文档元数据提取

• 作者: 潘金贵 狄涤 王守芳
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 元数据提取 基于规则 自动规约
• 年，卷（期）: 2005,（4）
• 所属期刊栏目: 论文与报告
• 页码范围: 405-411
• 页数: 7页
• 分类号: TP181
• 字数: 6518字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6059.2005.04.004

摘要

利用HTML文档的元数据,可以为Web检索提供多样化的检索手段.本文提出了一种从HTML文档自动提取文档元数据的方法,对其中提取规则的设计、规约算法及其复杂度分析做出了重点介绍.该方法的提取规则在语法形式上和文档片断接近,更适合自动生成,通过自动规约生成规则无需人工分析,适应Web文档特点.文章最后给出了实验结果并进行了分析.