基于编辑距离的Web数据挖掘

• 作者: 梁兴开 赵泽茂 黄亮
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: Web数据挖掘 编辑距离 字符串编辑距离 树编辑距离
• 年，卷（期）: 2012,（6）
• 所属期刊栏目: 人工智能
• 页码范围: 1662-1665
• 分类号: TP393.09
• 字数: 4294字
• 语种: 中文
• DOI: 10.3724/SP.J.1087.2012.01662

摘要

Div+ CSS流行于Web页面的布局,在这种布局下,网页中很多数据记录以重复结构的形式聚集在一个层级.为了更好地从网页中挖掘数据,提出了一种新的Web数据挖掘算法,把树编辑距离转化为字符串编辑距离的计算,改进字符串编辑距离算法,利用字符串编辑距离评价树的相似度,进而找到网页中的重复模式,提取数据.通过针对不同重复模式特征的网页的实验说明,基于编辑距离的Web数据挖掘算法不仅能提取具有根节点及上面几层相同的网页的数据,对具有底层节点相同的网页也是有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵泽茂	杭州电子科技大学通信工程学院	71	325	11.0	14.0
2	黄亮	杭州电子科技大学通信工程学院	5	31	3.0	5.0
3	梁兴开	杭州电子科技大学通信工程学院	4	30	3.0	4.0