利用冗余内容的信息抽取方法研究

摘要：

本文提出了利用冗余内容从网站中提取结构化数据的算法.该算法提取记录,从一些原始网站来填充种子数据库,之后在每个新站标识值.我们进行了相似性度量,以满足不同性质的跨站点属性值.我们在网站应用该属性的实际值,以便过滤掉噪声.我们借助了第三方软件来计算词频,以便使文字分析更倾向于人日常使用习惯.

关键词：信息抽取、内容冗余

分类号：TP393.0(计算技术、计算机技术)

在线出版日期：2015-12-10（万方平台首次上网日期，不代表论文的发表时间）

页码：311