计算机科学 ›› 2009, Vol. 36 ›› Issue (7): 202-203.doi: 10.11896/j.issn.1002-137X.2009.07.048
李朝,彭宏,叶苏南,张欢,杨亲遥
LI Zhao,PENG Hong,YE Su-nan,ZHANG Huan,YANG Qin-yao
摘要: 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。
No related articles found! |
|