基于DOM树与领域本体的Web抽取方法

摘要：

为解决异构DeepWeb结果页面中数据区域及数据记录的自动抽取问题,提出一种基于DOM树与领域 本体的Web抽取方法.利用数据内容特征以及领域本体库标记DOM树的节点,按照结果页面展示规律定位数据区域,根据改进的简单树匹 配算法,定位数据区域及数据记录.实验结果表明,该方法定位数据区域及数据记录的F-measure值比传统的抽取方法高2.93％～6.67％ .

关键词：自动抽取、DOM树、领域本体、数据区域定位、简单树匹配

所属期刊栏目：38

分类号：TP391.1(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目60970015,61003054;江苏省企业博士创新基金资助项目BK2009563;江苏省高校自然科学研究基金资助项目10KJB520018;苏州市科技型企业技术创新专项基金资助项目SG201043

在线出版日期：2012-05-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：56-58