基于DOM树和视觉特征的网页信息自动抽取

• 作者: 尹文科 朱明 黄武冠
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 文档对象模型树 视觉特征 自动抽取 数据记录 数据区域 挖掘算法
• 年，卷（期）: 2013,（10）
• 所属期刊栏目: 开发研究与工程应用
• 页码范围: 309-312
• 页数: 4页
• 分类号: TP391
• 字数: 3559字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2013.10.068

摘要

针对生活信息服务网站的列表式商户信息，提出一种基于文档对象模型(DOM)树和视觉特征的网页信息自动抽取方法。利用商户信息列表页面中数据区域的 DOM 树结构和视觉特征，搜索得到候选目标数据区域，再利用视觉特征识别真正目标数据区域，从而抽取其中的数据记录。对10个生活信息服务网站进行测试，结果表明，有8个网站的召回率和准确率达到100%，取得了较好的结果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱明	中国科学技术大学自动化系	228	2519	25.0	40.0
2	尹文科	中国科学技术大学自动化系	3	24	2.0	3.0
3	黄武冠	中国科学技术大学自动化系	1	13	1.0	1.0