基于数据富集区域的Web内容自动抽取

• 作者: 孙蕾 许志坚
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 数据富集区域 Web内容抽取 树匹配 标签树 子树相似度 数据记录
• 年，卷（期）: 2013,（9）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 192-195
• 页数: 4页
• 分类号: TP391
• 字数: 3564字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2013.09.043

摘要

对电子商务网站的Web页面进行商品信息自动抽取，可以为进一步的增值服务，如比价、查询等提供有价值的信息。为此，提出一种Web内容自动抽取方法。通过对比标签树对目标页面进行去噪，采用基于树匹配的子树相似度计算方法挖掘目标页面的数据富集区域，从而抽取商品的数据记录。在5个电子商务网站上的实验结果表明，该方法的准确率均高于MDR方法，且召回率较高。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙蕾	华东师范大学计算机科学与技术系	28	281	10.0	16.0
2	许志坚	华东师范大学计算机科学与技术系	1	0	0.0	0.0