基于DOM树和视觉特征的网页信息自动抽取

摘要：

针对生活信息服务网站的列表式商户信息，提出一种基于文档对象模型(DOM)树和视觉特征的网页信息自动抽取方法。利用商户信息列表页面中数据区域的 DOM 树结构和视觉特征，搜索得到候选目标数据区域，再利用视觉特征识别真正目标数据区域，从而抽取其中的数据记录。对10个生活信息服务网站进行测试，结果表明，有8个网站的召回率和准确率达到100%，取得了较好的结果。

关键词：文档对象模型树、视觉特征、自动抽取、数据记录、数据区域、挖掘算法

分类号：TP391(计算技术、计算机技术)

资助基金：国家科技支撑计划基金资助项目2011BAH11B01；中国科学院重点部署基金资助项目KGZD-EW-103-5

在线出版日期：2013-12-04（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：309-312