基于DOM的半结构化网页信息抽取算法

• 作者: 李卫东
• 来源期刊: 河北省科学院学报
• 关键词: DOM 信忠抽取 半结构化 信息集成
• 年，卷（期）: 2009,（1）
• 页码范围: 21-24
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-9383.2009.01.006

摘要

为从不同的半结构化网页中自动提取数据记录,提出了基于DOM和记录子树最大相似度发现记录模式的思想,对信息噪声有较强的过滤功能,在记录模式存在一定差异的情况下也能正确识别记录.在此基础上,实现了多记录网页自动抽取的IESS算法,该系统可以从多个学术论文检索网站中自动获取结果网页,并自动抽取其中的记录.对常见论文检索网站的实验表明了该系统具有较好的有效性和准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李卫东	河北经贸大学倩息技术学院	14	33	3.0	5.0