网页结构模板生成新方法研究

• 作者: 冯少卿 都云程
• 来源期刊: 北京机械工业学院学报(综合版)
• 学科: 工学
• 关键词: DOM 结构分析 网页相似 样本集 模板
• 年，卷（期）: 2007,（3）
• 页码范围: 15-19
• 页数: 5页
• 分类号: TP391
• 字数: 3426字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-6864.2007.03.004

摘要

Web页面所表达的主要信息通常隐藏在大量无关的结构和文字中,使用户不能迅速获取主题信息,限制了Web的可用性.为了高效地抽取基于模板的网页主题信息,提出了一种新的从HTML网页结构分析入手的模板生成方法.该方法以文档对象模型(DOM)为基础,通过对网页对应的DOM树层次结构进行分析,来判断两个网页是否相似,结构上相似的网页可以作为一个样本集.利用生成的样本集可以比较方便的抽象出网页结构模板,实现高效的信息抽取.实验表明,该方法准确率可达97%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	都云程	北京信息工程学院中文信息处理研究中心	16	111	6.0	10.0
2	冯少卿	北京信息工程学院中文信息处理研究中心	3	9	1.0	3.0