基于DOM树抽象的包装器自动生成技术

摘要：

传统的包装器都由人工定义,要为不同类型的页面制作不同的包装器,因此包装器维护的开销很大,一旦原来的页面风格变了,原来的包装器也就需要重新定义.针对现有方法需要人工定义和维护包装器,并且准确率还有待提升的问题,提出一种可行的基于DOM树抽象的包装器自动生成技术.该技术主要由两个部分组成:目标类型网页的DOM树抽象和目标节点的定位及包装器生成.运用该技术可以对多种类型的网页实现包装器的自动生成.该技术针对主流的购物网站(京东、亚马逊、苏宁、当当)及主流书籍信息网站(豆瓣读书)进行了实验,实验结果表明该方法的平均精确率和召回率能够达到96％和99％.

关键词：DOM、抽象、信息抽取、包装器、自动生成

所属期刊栏目：38

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点研发计划项目2017YFB1002000;国家自然科学基金资助项目61402111;海西政务大数据应用协同创新中心项目

在线出版日期：2018-08-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：150-154,182