一种自动抽取Web数据对象的方法

• 作者: 刘桂峰 崔志明 李林
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 数据抽取 信息检索 Web挖掘 知识获取
• 年，卷（期）: 2009,（6）
• 所属期刊栏目: 基金项目论文
• 页码范围: 48-51
• 页数: 4页
• 分类号: TP3
• 字数: 5086字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386X.2009.06.016

摘要

在信息检索领域,数据抽取技术已成为研究重点之一.提出一种基于DOM树的Web数据对象自动抽取方法.该方法首先将网页解析为DOM树,然后将结构相似的子树抽取出来作为候选数据对象,接着再计算候选数据对象的内容相似度,内容相似度低的则为数据对象.实验证明该方法能够有效地将各种Web数据对象从网页中抽取出来,召回率和准确率都比较高,且该方法独立于领域,独立于Web数据对象的表示形式,较好地解决了Web数据对象的抽取问题.