一种基于视觉特征的Deep Web信息抽取方法

• 作者: 孙璐 廉德胜 陈军华
• 来源期刊: 计算机与数字工程
• 学科: 文学
• 关键词: Deep Web 视觉特征 DOM树 语义分块 信息抽取
• 年，卷（期）: 2016,（6）
• 所属期刊栏目: 信息处理与网络安全
• 页码范围: 1107-1111,1126
• 页数: 6页
• 分类号: J653
• 字数: 3875字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2016.06.026

摘要

随着Web数据库的不断增长,大量网络信息通过普通搜索引擎难以满足用户的需求,需要用户提交表单查询并从后台数据库中返回结果页面才能获取到想要的信息,称为Deep Web.因此如何有效地抽取这些实体信息成为一个值得研究的问题.论文通过分析Deep Web结果页面的特点,结合人的视觉特征,提出了一种基于视觉特征的Deep Web信息抽取方法.该方法充分利用了人的视觉特征,在解析器将Web文档解析成语法树之前,将Web页面一些与主题无关的信息(例如导航栏、广告)等去除,并对优化后的DOM树利用VIPS算法对其进行语义分块,分块后根据位置特征首先寻找到基准视觉块,以该基准视觉块作为中心位置逆序和顺序遍历DOM树寻找所有相似的视觉块并对其进行抽取.从实验效果来看,该方法从提取信息速度和提取信息的准确率和完整率方面与传统方法相比都有一定的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈军华		20	48	5.0	6.0
2	孙璐		2	8	1.0	2.0
3	廉德胜		2	8	1.0	2.0