基于语义和版式的网上人物信息提取

• 作者: 岳萍 杜开峰 燕敏
• 来源期刊: 科技与创新
• 关键词: Web信息抽取 抽取规则 半结构化网页 XML 版式分析
• 年，卷（期）: 2010,（12）
• 页码范围: 145-147
• 分类号: TP393
• 语种: 中文
• DOI: 10.3969/j.issn.2095-6835.2010.12.060

摘要

本文利用本体思想,采用基于规则和统计相结合的算法,提出了一种网上人物信息提取算法,实现了半结构化人物信息的自动提取.通过程序统计的方法创建了一个包含4624个有效字段名的词典,用来检验提取出的字段名是否有效,当字段名有效时再提取其对应的字段值,大大提高了信息提取的准确率.实验结果表明,该算法对半结构化web人物网页信息提取具有较高的效率,平均准确率为97.6%,平均召回率为86.1%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杜开峰	四川大学化工学院制药与生物工程系	15	38	4.0	5.0
2	燕敏	四川托普信息技术职业学院计算机系	3	20	3.0	3.0
3	岳萍	四川托普信息技术职业学院计算机系	2	7	2.0	2.0