自动提取布局结构相似网页的结构化信息

• 作者: 单传佳 王侨文 管马周 赵靖
• 来源期刊: 安徽科技学院学报
• 学科: 工学
• 关键词: 深层W eb 标签树- 相似度模型 结构化信息提取
• 年，卷（期）: 2010,（6）
• 页码范围: 37-42
• 分类号: TP393
• 语种: 中文
• DOI: 10.3969/j.issn.1673-8772.2010.06.009

摘要

数据库驱动的W eb站点根据查询产生的Web页结构布局都是极其相似的; 现有的W eb提取方法 忽视或者忽略了这种相似性, 因而在提取效率性能和通用性上都有较大的限制.本文提出一种基于标签 树相似度的模板自动学习方法; 进而根据模板来提取这类网页的数据; 并利用Ec lipse和开源HTML Parser 对算法进行了实现; 实验结果表明该算法具有较快的提取速度和较好的准确率.