基于关键词聚类和节点距离的网页信息抽取

• 作者: 彭宏 林旭东 邓健爽 郑启伦
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 聚类 信息抽取 机器学习 节点距离
• 年，卷（期）: 2007,（4）
• 所属期刊栏目: 人工智能及图像处理技术
• 页码范围: 213-216
• 页数: 4页
• 分类号: TP3
• 字数: 4332字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-137X.2007.04.058

摘要

大部分网页信息抽取方法都针对特定的网站,例如基于网站抽取规则和基于训练网页样例的方法.这些方法在某一个网站上可以很好地应用.但当遇到新的网站时,必须人为地增加抽取规则或者提供新的训练网页集.而且,当网站的模版改变时,也要重新设计这些规则或重新输入训练网页集.这些方法难以维护,因此不能应用到从大量不同的网站上进行信息抽取.本文提出了一种新的网页信息抽取方法,该方法基于特定主题的组和节点距离,能够不加区分地对不同的网站页面信息自动抽取.对大量网站的网页进行信息抽取的实验显示,该方法能够不依赖网页的来源而正确和自动地抽取相关信息,并且已经成功应用到电子商务智能搜索和挖掘系统中.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭宏	华南理工大学计算机科学与工程学院人工智能实验室	188	2058	24.0	34.0
2	郑启伦	华南理工大学计算机科学与工程学院人工智能实验室	103	1003	17.0	26.0
3	林旭东	华南理工大学计算机科学与工程学院人工智能实验室	6	59	4.0	6.0
4	邓健爽	华南理工大学计算机科学与工程学院人工智能实验室	6	64	6.0	6.0