基于Web的新闻信息抽取

• 作者: 朱永盛 武港山
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 信息抽取 包装器 DOM 抽取规则
• 年，卷（期）: 2006,（10）
• 所属期刊栏目: 软件技术与数据库
• 页码范围: 74-76
• 页数: 3页
• 分类号: TP393.09
• 字数: 4628字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2006.10.027

摘要

随着互联网的普及,信息技术的发展,形成了大量的新闻信息资源.从海量的新闻信息中抽取出有用的资源,是当前迫切需要解决的问题.该文在分析新闻网页结构的基础上,结合了基于DOM的结构抽取和基于文本特征模式抽取两种处理技术的优点,提出了基于Web新闻网页的半自动化抽取技术,自动下载了有用的Web页面,抽取了所需的新闻信息.最后,该文描述了一个面向奥运新闻的信息抽取系统,并给出了该系统的实验结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	武港山	南京大学计算机科学与技术系	66	1172	20.0	31.0
2	朱永盛	南京大学计算机软件新技术国家重点实验室	2	51	2.0	2.0