基于Web的表格信息抽取研究

• 作者: 徐超 秦振海 谭守标
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: HTML表格 信息抽取 Web XML
• 年，卷（期）: 2010,（2）
• 所属期刊栏目: 应用开发研究
• 页码范围: 217-220
• 页数: 4页
• 分类号: TP393
• 字数: 3671字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2010.02.057

摘要

如今,Web成为了网络信息的主要平台.根据研究发现,表格在Web文本中被经常使用.正因为表格形式简洁并且含有丰富的信息,自动理解表格在知识管理、信息检索、Web挖掘等应用中有着广泛的用途,所以研究Web表格信息抽取有着重要的现实意义.互联网上有大量信息采用HTML表格表示,由于HTML不描述数据的内容,机器不能理解和查询.论文首先将HTML文档转换为XML文档,结合本体形成启发式规则,对表格定位、表格结构识别两个关键技术进行了分析.在此基础上,利用HTML表格属性,将HTML表格标准化,从而适用于复杂表格的信息抽取.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐超	安徽大学电子科学与技术学院	48	418	11.0	19.0
2	谭守标	安徽大学电子科学与技术学院	32	203	9.0	13.0
3	秦振海	安徽大学电子科学与技术学院	1	10	1.0	1.0