基于重复模式的论坛信息抽取研究

• 作者: 王泽 韩普
• 来源期刊: 南京师范大学学报（工程技术版）
• 学科: 工学
• 关键词: 重复模式 论坛抽取 信息抽取
• 年，卷（期）: 2010,（3）
• 页码范围: 74-77
• 分类号: TP391
• 字数: 2770字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-1292.2010.03.017

摘要

针对现有网络论坛信息抽取的不足,提出了一种基于重复模式发现算法的论坛信息抽取方法.该方法首先利用SgmlReader解析器将HTML文档转换为格式规范的XHTML文档,然后通过计算XHTML文档结构中DOM子树相似度,自动发现论坛页面结构的重复模式.该方法通过自动定位重复模式进行论坛信息抽取,较好地解决了在论坛信息抽取过程中需要人工查找、定位重复模式或者通过人工分析论坛页面代码定制抽取规则的问题.试验结果表明,该方法具有较好的准确性、通用性和实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王泽	南京师范大学教育技术系	4	30	2.0	4.0
2	韩普	南京大学信息管理系	14	78	5.0	8.0