基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
半结构化页面的数据记录间存在结构相似性,在先序遍历DOM树生成的标记序列中表现为重复出现的模式,可利用后缀树进行挖掘.由于标记序列可以在块粒度和文本粒度两个级别上展现,而不同粒度下产生的最佳抽取模式在抽取效果方面又表现出不确定性,因此提出一种自动粒度选择的半结构化页面信息抽取方法.算法从后缀树获取的重复模式中选取最大重复和串联重复构成候选模式集,通过特征参数确定两个粒度各自的最佳模式集,最后引入抽取结果规则度参数并进行综合评价,以确定抽取模式完成半结构化页面数据记录的自动抽取.
推荐文章
基于DOM的半结构化网页信息抽取算法
DOM
信忠抽取
半结构化
信息集成
基于证券行业半结构化数据的抽取技术
数据抽取
半结构化
数据挖掘
证券投资
RE-OEM:一种半结构化生物数据的信息抽取模型
半结构化
生物数据
抽取模型
OEM数据模型
正则表达式
非结构化电子病历中信息抽取的定制化方法
病案系统,计算机化
信息获取
糖尿病
病史记录
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 自动粒度选择的半结构化页面信息抽取
来源期刊 计算机工程与应用 学科 工学
关键词 信息抽取 重复模式挖掘 粒度分析 后缀树
年,卷(期) 2009,(6) 所属期刊栏目 数据库、信号与信息处理
研究方向 页码范围 165-167,172
页数 4页 分类号 TP183
字数 5872字 语种 中文
DOI 10.3778/j.issn.1002-8331.2009.06.046
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (3)
节点文献
引证文献  (5)
同被引文献  (14)
二级引证文献  (6)
1995(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2011(2)
  • 引证文献(2)
  • 二级引证文献(0)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(2)
  • 引证文献(1)
  • 二级引证文献(1)
2014(2)
  • 引证文献(0)
  • 二级引证文献(2)
2016(1)
  • 引证文献(0)
  • 二级引证文献(1)
2017(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
信息抽取
重复模式挖掘
粒度分析
后缀树
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导