一种基于XML和规则库的专利数据抽取方法

• 作者: 常国锋 苗长芬
• 来源期刊: 新乡学院学报
• 学科: 工学
• 关键词: XML 规则库 专利 抽取
• 年，卷（期）: 2014,（6）
• 所属期刊栏目: 计算机 网络 通信
• 页码范围: 30-32
• 页数: 3页
• 分类号: TP393
• 字数: 2190字
• 语种: 中文

摘要

通过对现有网页数据抽取方法的分析,结合专利网页数据的特点,提出了一种基于XML文件和规则库的专利数据抽取方法.通过自定义标签对网页进行格式化,克服了以往网页采集中只针对〈table〉和〈div〉标签进行分割提取数据的不足,实现了专利数据的有效采集.实验结果表明该方法具有很高的准确性和适用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	常国锋	新乡学院计算机与信息工程学院	75	82	4.0	7.0
2	苗长芬	新乡学院计算机与信息工程学院	9	18	2.0	3.0