基于集成学习的动态Web页面语义标注方法研究

摘要：

传统Web页面语义标注方法需手工处理,或只可将Web页面中有属性的标签赋予数据,针对无属性标签数据不进行标注,不适于大规模Web页面信息标注,且标注结果不可靠.为此,提出一种新的基于集成学习的动态Web页面语义标注方法.给出动态Web页面语义标注流程.将Web页面转换成DOM树,识别待标注文本.选取抽取信息特征与训练Web页面特征,将含有语义信息的内容分配至概念抽象化的本体上,采用多分类器集成学习方法进行分类,区分待标注信息是属性标签还是数据元素,通过不同分类器预测结果的一致性对相应样本被准确标注的置信度进行衡量.通过训练页面中涵盖的属性标注规则集与抽取信息中的属性名称实现语义标注.实验结果表明,所提方法适于大规模动态Web页面语义标注,标注结果可靠.

关键词：集成学习、动态、Web页面、语义标注

所属期刊栏目：35

分类号：TP393(计算技术、计算机技术)

在线出版日期：2019-12-05（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：133-136