基于视觉信息和标签路径的数据抽取

• 作者: 张巍 谈凤真 邹晓明
• 来源期刊: 中国海洋大学学报（自然科学版）
• 学科: 工学
• 关键词: Deep Web 数据抽取 视觉信息 标签路径
• 年，卷（期）: 2015,（5）
• 所属期刊栏目: 研究论文
• 页码范围: 114-119
• 页数: 6页
• 分类号: TV149.2
• 字数: 7029字
• 语种: 中文
• DOI: 10.16441/j.cnki.hdxb.20130395

摘要

结合网页的视觉信息和DOM树结构,研究从Deep Web查询结果页面中抽取半结构化数据的问题.通过视觉块与整个网页的面积比定位数据区域.根据数据记录两两相邻等视觉特征找到包含数据记录的一组节点,并通过比较各节点的DOM树结构的相似度去除噪音节点.根据xpath属性将各条数据记录的数据项对齐.对整个抽取过程生成模板,可以使抽取效率得到很大提高.对8个Deep Web网站进行了抽取数据实验,结果表明本文方法是有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张巍	中国海洋大学信息科学与工程学院	16	62	5.0	7.0
2	邹晓明	中国海洋大学信息科学与工程学院	1	0	0.0	0.0
3	谈凤真	中国海洋大学信息科学与工程学院	1	0	0.0	0.0