一种基于DOM的Web关键信息提取方法

• 作者: 刘海霞 周军 张云雷
• 来源期刊: 现代计算机：上半月版
• 学科: 工学
• 关键词: WEB内容挖掘 信息提取 关键信息 DOM
• 年，卷（期）: xdjsjzxk_2011,（6）
• 页码范围: 3-6
• 页数: 4页
• 分类号: TP399

摘要

提出一种提取Web中的菜单和导航指示器等关键信息的方法,首先利用由W3C提出的文档对象模型技术提取出关键信息和与关键信息结构相似的其他信息,将得到的信息融合成信息列表,再利用熵原理从信息列表中识别出网站的真正关键信息。实验结果验证了方法的有效性。