基于开始定界符的自动Web信息抽取

• 作者: 白钰洁
• 来源期刊: 微型电脑应用
• 学科: 工学
• 关键词: Web信息抽取 循环神经网络 开始定界符 lxml
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 开发应用
• 页码范围: 141-142,146
• 页数: 3页
• 分类号: TP311
• 字数: 2406字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-757X.2019.11.044

摘要

为了从网页中快速获得隐含的有用信息,提出一种基于开始定界符的Web信息抽取方法.首先通过网络爬虫获取样本网页;其次对样本网页进行预处理;再通过循环神经网络训练预处理后的样本网页,获得开始定界符;最后利用lxml解析库实现目标抽取页面Web信息的定位与抽取.这样将半结构化的网页自动整理成结构化的知识,以便人们的查询及再利用.通过三个慕课网站的抽取实验,证明该方法抽取效果良好,可以抽取有用信息并具有可移植性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	白钰洁	东北石油大学计算机与信息技术学院	1	0	0.0	0.0