面向主题的网页采集系统的设计与研究

• 作者: 张浩斌 王煜
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 面向主题 混合向量空间模型 相似性
• 年，卷（期）: 2008,（4）
• 所属期刊栏目: 系统结构
• 页码范围: 78-80,93
• 页数: 4页
• 分类号: TP393
• 字数: 3186字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2008.04.023

摘要

对面向主题的信息采集技术进行了探索性研究.采用基于DOM的信息抽取技术,建立混合空间模型表示内容和结构特征信息,并通过定义网页间相似性来识别主题页面.较好的处理了Web信息抽取中主题页面识别的问题,实验结果证明了系统的可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王煜		25	48	3.0	6.0
2	张浩斌	浙江工商大学计算机与信息工程学院	2	7	1.0	2.0