基于重复模式的自动Web信息抽取

• 作者: 武港山 濮小佳 胡仁龙 袁春风
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: Web信息抽取 DOM树 重复模式
• 年，卷（期）: 2008,（22）
• 所属期刊栏目: 软件技术与数据库
• 页码范围: 73-76
• 页数: 4页
• 分类号: TP311
• 字数: 4894字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2008.22.025

摘要

互联网上存在很多在线购物网站,抽取这类网站页面里的商品信息可以为电子商务、Web查询提供增值服务.该文针对这类网站提出一种自动的Web信息抽取方法,通过检测网页中的重复模式以及分析主题内容的特征获取网页的主题内容,该方法在抽取过程中不需要人工干预.对10个在线购物网站进行了测试,实验结果表明提出的方法是有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	武港山	南京大学计算机软件新技术国家重点实验室	66	1172	20.0	31.0
2	袁春风	南京大学计算机软件新技术国家重点实验室	51	926	18.0	29.0
3	濮小佳	南京大学计算机软件新技术国家重点实验室	3	48	3.0	3.0
4	胡仁龙	南京大学计算机软件新技术国家重点实验室	1	18	1.0	1.0