一种自动抽取Web信息方法的设计与实现

• 作者: 李建华 胡国晴
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: Web信息抽取 Web抽取策略 自主学习 抽取规则
• 年，卷（期）: 2009,（1）
• 所属期刊栏目: 网络与安全
• 页码范围: 38-40,48
• 页数: 4页
• 分类号: TP311
• 字数: 2731字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2009.01.012

摘要

针对目前Web信息抽取技术实现复杂、维护困难以及抽取速度慢的问题,本文根据Web页面的特点,提出一种新的Web抽取策略.此策略在处理Web页面时降低了处理Web页面的结构的复杂性,提高了Web信息抽取的速度.并根据策略建立了该Web信息自动抽取方法的模型,此模型首先分析页面的结构,根据结构快速生成抽取规则,构建规则库;并对页面抽取的内容进行分析,构建资源库.基于此模型的方法能自主学习,实现自动抽取.这在很大程度上减少了人工参与,并能获得比较好的抽取结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李建华	中南大学信息科学与工程学院	348	3518	25.0	48.0
2	胡国晴	中南大学信息科学与工程学院	2	15	2.0	2.0