基于后缀树的Web论坛信息抽取
针对现有网上论坛信息抽取的不足,提出一种基于后缀树的论坛信息抽取方法.将标准化后的HTML文档转换为后缀树,查找出其中的重复模式并产生分装器,将分装器转换为NFA(非确定型有穷自动机)达到抽取论坛信息的目的.该方法运用构造后缀树的技术来抽取论坛信息,较好地解决了现有的抽取方法准确性较差、通用性不强的问题.实验结果表明,该方法具有较高的准确性和实用性.
信息抽取、分装器、后缀树、重复模式
29
TP311(计算技术、计算机技术)
2008-05-29(万方平台首次上网日期,不代表论文的发表时间)
共3页
1675-1677