模板化的Web列表页面信息自动抽取方法的研究

• 作者: 王琛
• 来源期刊: 现代计算机：中旬刊
• 学科: 工学
• 关键词: WEB信息抽取 列表页面 DOM 网页去噪 数据属性对齐
• 年，卷（期）: xdjsjzxk_2013,（8）
• 页码范围: 77-80
• 页数: 4页
• 分类号: TP391.4

摘要

提出一种模板化的Web列袁页面信息自动抽取方法，并对其实现的关键技术进行了阐述．包括页面预处理，Web列表页面中数据区域、数据记录的定位方法。同时提出一种有效的对DOM子树进行属性对齐和标注的方式，并给出相关算法。实验结果表明，该方法能够自动寻找并抽取Web列表页面的主要信息，具有较高的查全率和查；住率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王琛	江苏建筑职业技术学院信息传媒与艺术学院	9	14	2.0	3.0