航班信息抽取规则的自动生成技术

• 作者: 冯霞 张志远 徐涛
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: Web信息提取 抽取规则 语义TABLE树 贪心算法
• 年，卷（期）: 2011,（6）
• 所属期刊栏目: 软件技术与数据库
• 页码范围: 65-67
• 分类号: TP311
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2011.06.023

摘要

在基于包装器的Web信息提取工作中,抽取规则占有重要的地位.由于网页经常改版,使得抽取规则需要不断更新,且手工生成抽取规则是一项费时费力的工作.为此,提出一种自动生成抽取规则的方法,通过扫描HTML源码,生成带语义信息的TABLE树,用以识别网页中的数据表格,并在此基础上利用贪心算法自动生成抽取规则.实验结果表明,该方法具有较高的准确率和F指数,且对于识别出的表格具有较高的规则生成率.