基于WSFT模型的深层网文本获取方法

• 作者: 李虹萱 杨贯中
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: Ajax爬虫 带权状态融合树 文本挖掘 文本特征树
• 年，卷（期）: 2017,（18）
• 所属期刊栏目: 工程与应用
• 页码范围: 236-242
• 页数: 7页
• 分类号: TP391
• 字数: 6468字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1604-0039

摘要

Ajax技术在深层网(Deep Web)网站开发中得到了广泛应用.针对Ajax页面多状态、状态之间强关联的特性,提出一种构建WSFT(带权状态融合树)模型的方法,来进行Ajax页面文本信息预处理.引入了文本特征树作为状态指纹进行状态捕获,优化了当前Ajax页面数据采集方法,同时通过StatusRank方法计算状态转移权值来分析状态迁移信息,最后生成WSFT.实验证明,该方法能有效地获取Ajax页面多状态文本信息,并且有助于后续Web挖掘的重要文本内容提取.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨贯中	湖南大学信息科学与工程学院	114	703	14.0	19.0
2	李虹萱	湖南大学信息科学与工程学院	1	1	1.0	1.0