采用最小DFS的Deep Web结构化数据抽取

摘要：

通过分析动态数据在其Web页面中的展示特点,提出一个新的自动化、结构化数据抽取方法.首先基于DOM利用算法实现快速定位数据区,从而避免处理大量噪音数据;其次引入最小DFS编码来表示DOM子树,通过聚类对记录数据区进行区分;最后对少量样本页面训练学习生成抽取规则用于数据抽取.利用原型系统针对实际网站中的页面进行数据抽取,实验结果显示其拥有较高的准确性和效率.

关键词：Deep Web、结构化数据、最小DFS、编辑距离、信息抽取

所属期刊栏目：54

分类号：TP391(计算技术、计算机技术)

在线出版日期：2011-03-25（万方平台首次上网日期，不代表论文的发表时间）

页码：126-130