%0 Journal Article
%T 基于DOM树层次特征的多记录网页抽取*
%A 陈巧灵
%A 廖祥文
%A 魏晶晶
%A 陈国龙
%J 模式识别与人工智能
%P 125-131
%D 2015
%R 10.16451/j.cnki.issn1003-6059.201502004
%X 现有的多记录网页抽取方法通常是对文件对象模型(DOM)树进行整体纵向结构分析，计算的结构相似度普遍偏低，使其不能正确识别记录区域.文中提出基于DOM树层次特征的记录抽取方法，该方法利用DOM树不同层次节点的不同作用对其进行横向分析，将寻找相似子树的问题转换为寻找节点块的相似子块，最后采用双向拓展搜索非重叠重复子块进行记录分隔.实验表明该方法能抽取现有抽取器无法处理的页面，多个数据源的抽取结果验证其有效性.
%K 信息抽取
%K 多记录网页
%K 抽取算法
%U http://manu12.magtech.com.cn/Jweb_prai/CN/abstract/abstract10280.shtml