基于树结构的Web信息抽取

• 作者: 付涛 周登 戴玉刚
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: Web 信息提取 XML数据文档 树结构
• 年，卷（期）: 2009,（9）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 38-41
• 页数: 4页
• 分类号: TP311
• 字数: 3327字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2009.09.011

摘要

信息提取就是从大量的数据中检索出有用的信息,但一般的Web信息提取技术都是基于对Web上HTML文档的分析.文中提出了一种先将HTML转化为XML形式,再提取信息的方法.XML是用于描述在Intemet网上用于数据交换的数据文档的格式的一种语言标准,它将结构、内容和表现分离.数据可被XML唯一标识,从而有利于用户对数据的组织和检索.这种方法能够达到较高的正确率,同时随着文档的增大,方法也能够保证线性的时间复杂度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周登	西北民族大学中国民族信息技术研究院	4	8	2.0	2.0
2	付涛	西北民族大学中国民族信息技术研究院	4	8	2.0	2.0
3	戴玉刚	西北民族大学中国民族信息技术研究院	32	97	5.0	9.0