基于多学习策略的网页信息抽取方法

• 作者: 朱明 李香 郑烇
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 信息抽取 机器学习 文本分类器 HMM
• 年，卷（期）: 2008,（12）
• 所属期刊栏目: 基金项目论文
• 页码范围: 68-69,115
• 页数: 3页
• 分类号: TP3
• 字数: 3332字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386X.2008.12.023

摘要

由于网页信息具有异构和动态的特点,致使现有的大多数网页信息抽取方法都存在适用性差的问题.为此,将传统的文本分类器和隐式马尔可夫学习策略结合起来,提出了一种基于多学习策略的网页信息抽取方法.该方法在获得网页文本记录的局部最优分类抽取结果基础上,还利用了整个网页文本结构信息对抽取结果进行进一步优化.实验结果表明,该方法不需要对新的站点进行学习,就能获得较高的信息召回率和抽取精度,具有较强的适用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱明	中国科学技术大学自动化系	228	2519	25.0	40.0
2	郑烇	中国科学技术大学自动化系	55	331	9.0	15.0
3	李香	中国科学技术大学自动化系	1	3	1.0	1.0