基于DOM树的可适应性多信息块Web信息抽取

• 作者: 乔鸿 杨文超
• 来源期刊: 网络安全技术与应用
• 学科: 工学
• 关键词: DOM树 Web信息抽取 可适应性 多信息块
• 年，卷（期）: 2012,（11）
• 所属期刊栏目: 技术·应用
• 页码范围: 62-64
• 页数: 3页
• 分类号: TP392
• 字数: 2266字
• 语种: 中文

摘要

Web信息抽取通常采用的是一种归纳学习方法,从指定的模版网页中归纳到抽取规则,这种方法虽然能够准确地抽取出信息,当网站的模版发生改变后,必须重新获得抽取规则,因而这种抽取器的维护成本比较高,可适应性差。本文针对这一难题,提出一种基于DOM树的可适应性多信息块Web信息抽取,该方法首先通过NekoHtml将网页解析成DOM树,然后确定包含关键词组的信息块,从而实现Web信息抽取。经过大量网站的实验证明该方法适用于不同站点的信息抽取,并且能对多信息块的Web页面进行信息抽取。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	乔鸿	山东师范大学管理科学与工程学院	17	42	4.0	6.0
2	杨文超	山东师范大学管理科学与工程学院	1	2	1.0	1.0