应用聚类技术分类提取Web页面

摘要：

针对Web中数据密集型的动态页面,文本数据少,网页结构化程度高的特点,介绍了一种基于HTML结构的web信息提取方法.该方法先将去噪处理后的Web页面进行解析,然后根据树编辑距离计算页面之间的相似度,对页面进行聚类.再对每一类簇生成相应的提取规则,对Web页面进行数据提取.

关键词：Web信息提取、树编辑距离、聚类、提取规则

所属期刊栏目：6

分类号：TP391(计算技术、计算机技术)

在线出版日期：2010-04-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共2页

页码：212-213