基于标签路径聚类的文本信息抽取算法

• 作者: 刘云峰
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 标签路径 网页分割 信息抽取 聚类 阈值
• 年，卷（期）: 2010,（12）
• 所属期刊栏目: 软件技术与数据库
• 页码范围: 83-84,87
• 分类号: TP391
• 字数: 1978字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2010.12.029

摘要

针对网页噪音和网页非结构化信息抽取复杂度高的问题,提出一种基于标签路径聚类的文本信息抽取算法.对网页噪音进行预处理,根据网页的文档对象模型树结构进行标签路径聚类,通过自动训练的阈值和网页分割算法快速判定网页的关键部分,根据数据块中的嵌套结构获取网页文本抽取模板.对不同类型网站的实验结果表明,该算法运行速度快、准确度高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘云峰	山西工程职业技术学院网络电教中心	12	29	3.0	4.0