Web信息抽取中基于页面特性的包装器平衡算法

• 作者: 周顺先 林亚平 王雷
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 包装器 包装器产生 包装器平衡 文本模式
• 年，卷（期）: 2006,（36）
• 所属期刊栏目: 数据库与信息处理
• 页码范围: 144-147
• 页数: 4页
• 分类号: TP319
• 字数: 6021字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2006.36.045

摘要

Web信息抽取引发了大规模的应用.基于包装器的Web信息抽取有两个研究领域:包装器产生和包装器平衡,提出了一种新的包装器自动平衡算法.它基于以下的观察:尽管页面有多种多样的变化方式,但是许多重要的页面特征在新页面都得到了保存,例如文本模式、注释信息和超级链接.新的算法能充分利用这些保存下来的页面特征在变化的页面中定位目标信息,并能自动修复失效的包装器.对实际Web站点信息抽取的实验表明,新的算法能有效地维持包装器的平衡以便更精确地抽取信息.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林亚平	湖南大学软件学院	231	2974	26.0	42.0
2	周顺先	湖南大学计算机与通信学院	15	268	6.0	15.0
6	王雷	湖南大学软件学院	59	695	15.0	24.0