文献类型：期刊文章

作　　者：王磊[1] 蒋建中[1] 郭军利[1]

机构地区：[1]解放军信息工程大学通信工程系,河南郑州450002

出　　处：《计算机应用与软件》

年　　份：2007

卷　　号：24

期　　号：6

起止页码：137-139

语　　种：中文

收录情况：BDHX、BDHX2004、CSA、CSA-PROQEUST、CSCD、CSCD_E2011_2012、IC、ZGKJHX、核心刊

摘　　要：随着Internet的发展,Web页面提供的信息量日益增长,信息的密集程度也不断增强。多数Web页面包含多个信息块,它们布局紧凑,在HTML语法上具有类似的模式。针对含有多信息块的Web页面,提出一种信息抽取的方法:首先创建扩展的DOM(Document ObjectModel)树,将页面抽取成离散的信息条;然后根据扩展DOM树的层次结构,并结合必要的视觉特性和语义信息对离散化的信息条重新整合;最后确定包含信息块的子树,深度遍历DOM树实现信息抽取。该算法能对多信息块的Web页面进行信息抽取。

关 键 词：DOM树 信息抽取 包装器 半结构化

分 类 号：TP393.092]