基于网页聚类的Web信息自动抽取

• 作者: 曾洪波 杨天奇 邱韬奋
• 来源期刊: 微型机与应用
• 学科: 工学
• 关键词: Web信息抽取 网页聚类 包装器生成
• 年，卷（期）: 2011,（4）
• 所属期刊栏目: 技术与方法
• 页码范围: 71-74
• 分类号: TP391
• 字数: 3308字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-7720.2011.04.022

摘要

针对现今较流行的动态Web网页数量巨大、数据价值高,并且网页结构高度模板化的特点,设计了一个基于网页聚类的Web信息自动抽取系统.在DOM抽取技术基础上利用网页聚类寻找高相似簇,并引入列相似度和全局自相似度计算方法,提高了聚类结果的准确性.抽取模板中应用了可选节点对模板的修正和调整,以提高内容节点的正确标识.实验结果表明,该方法能够自动寻找并抽取网页主要信息,达到了较高的准确率和查全率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨天奇	暨南大学信息科学技术学院计算机系	44	282	9.0	14.0
2	曾洪波	暨南大学信息科学技术学院计算机系	2	9	2.0	2.0
3	邱韬奋	暨南大学信息科学技术学院计算机系	3	10	2.0	3.0