基于树形结构的Web信息抽取

• 作者: 任仲晟 薛永生
• 来源期刊: 福建师范大学学报(自然科学版)
• 学科: 工学
• 关键词: Web数据抽取 Web挖掘 信息抽取
• 年，卷（期）: 2009,（3）
• 页码范围: 39-46
• 页数: 8页
• 分类号: TP311.131
• 字数: 4773字
• 语种: 中文

摘要

提出了一种基于树形结构的Web结构化数据抽取算法.该算法基于HTML的树形层次结构,包括HTML树构造算法,数据区域挖掘算法,数据记录挖掘算法以及数据记录模式生成算法.算法引入了页面元素布局位置等信息用于清洗页面,采用层次划分思想实现页面数据区域的挖掘,并通过树匹配生成记录模式,实现最终数据项抽取.实验表明,该方法可以有效地实现Web结构化数据抽取.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	薛永生	厦门大学计算机科学系	61	490	13.0	18.0
2	任仲晟	福建师范大学数学与计算机科学学院	17	58	2.0	7.0