基于单元识别的网页信息抽取方法

• 作者: 柳永念 焦小焦 钟诚
• 来源期刊: 广西大学学报（自然科学版）
• 学科: 工学
• 关键词: 单元识别 信息抽取 父亲结构树 Htmlparser 正则表达式
• 年，卷（期）: 2011,（5）
• 所属期刊栏目: 计算机与电子信息科学
• 页码范围: 787-791
• 分类号: TP391.1
• 字数: 3095字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-7445.2011.05.015

摘要

建立基于链的父亲结构树描述和存储网页信息,采用Htmlparse和基于正则表达式的描述方法,设计、实现了一种高效的基于单元识别的网页信息抽取算法.分析与实验结果表明,文中给出的网页信息抽取方法能提高检索的查准率和查全率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钟诚	广西大学计算机与电子信息学院	195	1023	14.0	21.0
2	焦小焦	广西大学计算机与电子信息学院	4	28	2.0	4.0
3	柳永念	广西大学计算机与电子信息学院	6	79	4.0	6.0