基于XML的WEB信息自动抽取方法的研究

• 作者: 刘艳柳 宋洁 张娜 顾军华
• 来源期刊: 河北工业大学学报
• 学科: 工学
• 关键词: XML XPATH学习 XSL 信息抽取 DOM树
• 年，卷（期）: 2010,（5）
• 页码范围: 73-77
• 分类号: TP391
• 字数: 3806字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-2373.2010.05.018

摘要

互联网的快速发展以及Web数据的日益庞大,使用户从Web中获取有用信息变得日益困难,如何快速有效地从Web中准确抽取信息已经成为亟待解决的问题,Web信息抽取技术应运而生.提出了一种新的基于XML的WEB信息自动抽取方法,采用数据转换算法将HTML文档标准化,通过学习样本实例的XPATH表达式,形成抽取规则库,并利用规则库对其它同类页面实现信息的自动抽取.实验结果表明,该方法具有较高的查全率和查准率,且抽取结果具有自描述性,方便于建立各个领域的数据抽取系统.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	顾军华	河北工业大学计算机科学与软件学院	113	947	16.0	26.0
2	张娜	河北工业大学计算机科学与软件学院	10	25	3.0	5.0
3	宋洁	河北工业大学计算机科学与软件学院	21	354	10.0	18.0
4	刘艳柳	河北工业大学计算机科学与软件学院	2	10	1.0	2.0