应用聚类技术分类提取Web页面

• 作者: 刘莉 崔慧超
• 来源期刊: 电脑知识与技术：学术交流
• 学科: 工学
• 关键词: WEB信息提取 树编辑距离 聚类 提取规则
• 年，卷（期）: 2010,（1）
• 页码范围: 212-213
• 页数: 2页
• 分类号: TP391

摘要

针对Web中数据密集型的动态页面,文本数据少,网页结构化程度高的特点,介绍了一种基于HTML结构的web信息提取方法。该方法先将去噪处理后的Web页面进行解析,然后根据树编辑距离计算页面之间的相似度,对页面进行聚类,再对每一类簇生成相应的提取规则,对Web页面进行数据提取。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘莉	西南交通大学信息科学与技术学院	25	254	8.0	15.0
2	崔慧超	西南交通大学信息科学与技术学院	3	2	1.0	1.0