一种基于显示属性的网页信息提取方法
在目前的Web信息提取技术中,很多都是基于HTML结构的,由于HTML结构的经常变化,使提取模板需要经常更新,而提取模板的更新需要很多领域知识。本文提出一种基于显示属性的Web信息提取方法,通过将网页文本按照其显示属性的不同进行分组,以显示属性值为基础对Web页面文本进行分类,获取所关注文本,从而完成对Web页面的信息提取。这种提取方法操作简单、易于实现,不依赖源网页的结构。
网页信息 Web信息提取 属性向量 HTML结构 文本分类
汪建伟 高军 王腾蛟 杨冬青
北京大学信息科学技术学院,北京 100871;军事交通学院,天津 300161 北京大学信息科学技术学院,北京 100871
国内会议
青岛
中文
316-324
2007-07-18(万方平台首次上网日期,不代表论文的发表时间)