一种基于扩展DOM树的Web数据自动抽取方法

• 作者: 陈远斌
• 来源期刊: 应用科技
• 学科: 工学
• 关键词: Web数据抽取 扩展DOM树 新颖度
• 年，卷（期）: 2009,（8）
• 所属期刊栏目: 计算机技术与应用
• 页码范围: 52-55
• 页数: 4页
• 分类号: TN742.1
• 字数: 4082字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-671X.2009.08.014

摘要

Web数据抽取是当前的一个研究热点,目前还没有统一有效的抽取方法.在此提出一种研究思路,首先将Web页面的DOM树进行扩展,添加视觉特征和链接特征.然后计算多个相似页面的扩展DOM树中节点和子树的新颖度,接着由新颖度识别对象数据并且依据数据项角色抽取出数据,最后将对象数据保存为XML文档.通过实验分析,验证了这个方法具有较好的抽取效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈远斌	哈尔滨工程大学网络信息中心	2	3	1.0	1.0