Web信息抽取技术综述

• 作者: 张冬梅 陈钊
• 来源期刊: 计算机应用研究
• 关键词: Web信息抽取 网页噪声 URL聚类 DSE算法 RoadRunner系统 MDR 视觉特征 模板
• 年，卷（期）: 2010,（12）
• 页码范围: 4401-4405
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2010.12.001

摘要

快速高效地获取网页主题信息的需求使得Web信息抽取技术成为信息技术领域的研究热点.现有的Web信息抽取技术大致可以归纳为基于统计理论的、基于视觉特征的、基于DOM树结构的和基于模板的几类.由于网页文本本身具有树结构并且具有一定的相似性,基于DOM树结构和基于模板的抽取技术发展很快而且已经得到了广泛的应用.分别论述了上述几类技术在近几年来的研究进展,从自动化程度、适用范围和复杂性三个角度分析对比了几类技术的优缺点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈钊	北京林业大学信息学院	30	150	6.0	11.0
2	张冬梅	北京林业大学信息学院	6	165	4.0	6.0