基于约束树编辑距离与导航树的信息采集

• 作者: 丁岳伟 姜波
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 标签树 树编辑距离 导航树
• 年，卷（期）: 2009,（14）
• 所属期刊栏目: 软件技术与数据库
• 页码范围: 75-77,80
• 页数: 4页
• 分类号: TP393
• 字数: 5156字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2009.14.026

摘要

介绍基于网站和网页结构的信息采集算法,提出一种基于约束树编辑距离的导航树算法.该算法通过提取网页的HTML的重要标记生成网页结构的标签树,对网页进行结构分析,通过约束树编辑距离算法判断爬行到的网页与主题的相关性,并根据网站基于URL的拓扑结构,提出基于导航树的信息采集约束信息采集器的爬行路径,提高了目标页面采集的效率和准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丁岳伟	上海理工大学计算机与电气工程学院	57	340	11.0	15.0
2	姜波	上海理工大学计算机与电气工程学院	2	27	2.0	2.0