D-EEM：一种基于DOM树的Deep Web实体抽取机制
随着Web数据库的不断增长,通过对Deep Web的访问逐渐成为获取信息的主要手段。 如何有效地抽取Deep Web中结果页面所包含的实体信息成为一个值得研究的问题。本文通过分析Deep Web结果页面的特点,提出了一种基于DOM树的Deep Web实体抽取机制(DOM-treebased Entity Extraction Mechanism for Deep Web,D-EEM),能够有效解决Deep Web环境中的实体抽取问题。该机制采用基于DOM 树的自动实体抽取策略,利用DOM树中的文本内容和层次结构来确定数据区域和实体区域,提高了实体抽取的准确性;另外,提出了一种基于上下文距离和共现次数的语义标注方法,有效地将来自不同数据源的抽取结果进行合成。通过实验验证了D-EEM中所采用的关键技术的可行性和有效性,同其他实体抽取策略相比,D-EEM在抽取效率及抽取准确性等方面具有一定的优势。
实体抽取机制 DOM树 Deep Web 区域定位
寇月 李冬 申德荣 于戈 聂铁铮
东北大学信息学院 沈阳 110004 东软集团商用软件事业部 沈阳 110179
国内会议
西安
中文
148
2008-09-25（万方平台首次上网日期，不代表论文的发表时间）