一种基于SVM和AdaBoost的Web实体信息抽取方法

• 作者: 孙明 彭朝晖 徐秀星 李庆忠 陆春生
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: Web信息抽取 页面分割 集成学习
• 年，卷（期）: 2013,（4）
• 所属期刊栏目: 基金项目论文
• 页码范围: 101-106,152
• 页数: 7页
• 分类号: TP311
• 字数: 7813字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2013.04.028

摘要

提出一种基于SVM和AdaBoost的Web实体信息抽取方法.首先提出一种基于SVM的Web页面主数据区域识别方法,基于Web实体实例在页面中的展示特征,有效地将Web页面进行数据区域分割,识别出Web实体实例所在的主数据区域；然后基于Web实体属性标签的特征,提出一种基于AdaBoost的集成学习方法,从页面的主数据区域自动地抽取Web实体信息.在两个真实数据集上进行实验,并与相关研究工作进行比较,实验结果说明该方法能够取得良好的抽取效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李庆忠	山东大学计算机科学与技术学院	52	692	16.0	25.0
2	孙明	山东大学计算机科学与技术学院	16	53	4.0	6.0
3	彭朝晖	山东大学计算机科学与技术学院	10	196	7.0	10.0
4	徐秀星	山东大学计算机科学与技术学院	2	7	2.0	2.0
5	陆春生		1	4	1.0	1.0