基于扩展DOM树的Web页面信息抽取

• 作者: 王磊 蒋建中 郭军利
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: DOM树 信息抽取 包装器 半结构化
• 年，卷（期）: 2007,（6）
• 所属期刊栏目: 网络与通信
• 页码范围: 137-139
• 页数: 3页
• 分类号: TN91
• 字数: 2822字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386X.2007.06.049

摘要

随着Internet的发展,Web页面提供的信息量日益增长,信息的密集程度也不断增强.多数Web页面包含多个信息块,它们布局紧凑,在HTML语法上具有类似的模式.针对含有多信息块的Web页面,提出一种信息抽取的方法:首先创建扩展的DOM(Document Object Model)树,将页面抽取成离散的信息条;然后根据扩展DOM树的层次结构,并结合必要的视觉特性和语义信息对离散化的信息条重新整合;最后确定包含信息块的子树,深度遍历DOM树实现信息抽取.该算法能对多信息块的Web页面进行信息抽取.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蒋建中	解放军信息工程大学通信工程系	23	200	8.0	13.0
2	王磊	解放军信息工程大学通信工程系	13	108	5.0	10.0
3	郭军利	解放军信息工程大学通信工程系	13	142	7.0	11.0