一种发现多记录Web文档记录分隔符的方法

• 作者: 胡大洋 陈金鑫
• 来源期刊: 计算机与信息技术
• 学科: 工学
• 关键词: 信息提取 半结构化信息 非结构化信息 记录边界 记录分隔符
• 年，卷（期）: 2008,（8）
• 页码范围: 10-12
• 页数: 3页
• 分类号: TP393.092

摘要

从半结构化或者非结构化的Web文档中提取信息时通常要求指定记录集的边界符。如果不根据记录边界符将包含多记录的页面分成单个记录块,那么记录的提取就不能成功。本文主要介绍了一种根据启发式的规则发现Web文档中的记录分隔符的方法,能够很好地解决多记录页面记录分割的问题。实验证明该方法具有很高的准确性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡大洋	盐城工学院计算机应用中心	6	10	2.0	3.0
2	陈金鑫	南京师范大学教育技术系	5	1	1.0	1.0