一种基于聚类的全自动网页数据记录抽取方法

• 作者: 张忠能 朱佳
• 来源期刊: 微型电脑应用
• 学科: 工学
• 关键词: 网页数据记录 结构特征 视觉特征 聚类 网页记录抽取
• 年，卷（期）: 2010,（12）
• 页码范围: 5-7,12
• 分类号: TP311
• 字数: 3844字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-757X.2010.12.002

摘要

当前的网页数据记录抽取方法,存在着需要大量人工标注或者通用性不足的缺陷.为了解决这些问题,利用网页数据记录的结构性特征和视觉特征,提出了一种基于聚类的全自动网页记录抽取方法.该方法可以将输入的数据记录页面以结构化的文本记录输出.实验结果表明该方法具有良好的通用性和较高的精确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张忠能	上海交通大学计算机科学与技术系	95	1399	19.0	33.0
2	朱佳	上海交通大学计算机科学与技术系	3	7	1.0	2.0