基于模板化的Blog信息抽取

• 作者: 时达明 林鸿飞 赵晶
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 博客 信息抽取 模板
• 年，卷（期）: 2008,（9）
• 所属期刊栏目: 数据库、信号与信息处理
• 页码范围: 156-158,177
• 页数: 4页
• 分类号: TP391
• 字数: 3831字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2008.09.046

摘要

Blog(博客)可以称为在线个人日志.作为一种新兴的媒体,Blog目前已经成为一种在Web上表达个人观点和情感的一种非常流行的方式.那么如何从Blog中快速准确地抽取有用的信息(话题发布时间、话题题目、话题内容、评论内容等)就成为了Blog应用中一个非常重要的步骤.提出了一种基于模板化的Blog信息抽取方法,该方法通过分析Blog网站的HTML源代码,然后提取出网站的模板,并根据该模板时Blog网页进行信息抽取.对来自国内10个著名博客网站进行模板的提取,并时这10个网站中的7 374个Blog网页进行了实验,实验结果表明,该方法能根据提取出的模板快速、准确地对Blog网页进行信息抽取.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林鸿飞	大连理工大学计算机科学与工程系	214	3759	31.0	55.0
2	时达明	大连理工大学计算机科学与工程系	3	80	3.0	3.0
3	赵晶	大连理工大学计算机科学与工程系	36	817	14.0	28.0