半结构化网页中多记录信息的自动抽取方法

摘要：

从多记录网页中准确的自动抽取出需要的信息,是Web信息处理中的一个重要研究课题.针对现有方法对噪声敏感的缺点,该文提出了基于记录子树的最大相似度发现记录模式的思想,以在同类记录的表现模式存在一定差异的情况下正确识别记录.在此基础上,实现了多记录网页自动抽取系统,该系统可以从多个学术论文检索网站中,自动获取结果网页,并自动抽取其中的记录.对常见论文检索网站的实验表明了该系统具有较好的有效性和准确性.

关键词：互联网挖掘、信息集成、自动信息抽取

所属期刊栏目：22

分类号：TP391(计算技术、计算机技术)

资助基金：国家科技攻关项目2003AA103810

在线出版日期：2006-02-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：95-97,142