基于本体思想的网页信息抽取方法

• 作者: 刘丽娟 张胤 杨一
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 本体 网页信息抽取 相关度 爬虫 Web
• 年，卷（期）: 2015,（9）
• 所属期刊栏目: 网络与通信
• 页码范围: 90-94
• 页数: 5页
• 分类号: TP391
• 字数: 4290字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2015.09.018

摘要

为了抽取特定主题的网页信息，本文提出一种基于本体思想衡量主题相关度，以提高网页信息抽取质量的方法。该方法采用向量空间模型，结合特征词权值，利用本体思想分析并计算主题相关度，从而达到提高特定主题的网页信息抽取质量的目的。该方法不但简化了向量空间模型的维度计算，而且扩展了语义范围。最后采用一个分层体系结构的实际应用系统来演示该方法的实现过程。实际应用结果表明，该方法较准确抽取了特定主题的网页信息，同时降低了系统运算复杂度，提高了网页信息抽取的查全率和查准率，减少了网页信息的遗漏，提高了网页信息抽取的质量。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘丽娟	国家计算机网络应急技术处理协调中心上海分中心	2	5	1.0	2.0
2	张胤	国家计算机网络应急技术处理协调中心上海分中心	2	5	1.0	2.0
3	杨一	国家计算机网络应急技术处理协调中心上海分中心	3	5	1.0	2.0