杨亲遥
- 作品数：1 被引量：24H指数：1
- 供职机构：华南理工大学计算机科学与工程学院更多>>
- 发文基金：广东省自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于DOM树的可适应性Web信息抽取被引量：24
- 2009年
- Web信息抽取通常采用的是一种归纳学习方法,从给定的训练样本网页中学习到抽取规则,这种方法虽然能够准确地抽取出信息,但是当网站的模版发生改变后,必须重新获得抽取规则,因而这种抽取器的维护成本比较高,可适应性差。提出一种新的可适应性Web信息抽取方法,该方法首先通过聚类方法获取商品在网页中频繁出现的关键词组,然后利用网页的DOM树结构来确定包含这些关键词的信息块,从而实现Web信息的自动抽取。对大量商业网站进行信息抽取的实验表明,该算法不仅能有效抽取出商品信息,而且是一种与站点结构无关的可适应性信息抽取方法。
- 李朝彭宏叶苏南张欢杨亲遥
- 关键词：DOM树信息抽取可适应性
