%0 Journal Article
%T 针对模板生成网页的一种数据自动抽取方法
%A 杨少华
%A 林海略
%A 韩燕波
%J -
%D 2008
%X 当前,Web上的很多网页是动态生成的,网站根据请求从后台数据库中选取数据并嵌入到通用的模板中,例如电子商务网站的商品描述网页.研究如何从这类由模板生成的网页中检测出其背后的模板,并将嵌入的数据(例如商品名称、价格等等)自动地抽取出来.给出了模板检测问题的形式化描述,并深入分析模板产生网页的结构特征.提出了一种新颖的模板检测方法,并利用检测出的模板自动地从实例网页中抽取数据.与其他已有方法相比,该方法能够适用于"列表页面"和"详细页面"两种类型的网页.在两个第三方的测试集上进行了实验,结果表明,该方法具有很高的抽取准确率
%K Web 自动数据抽取 信息抽取 模板发现 Wrapper生成
%U http://www.jos.org.cn/jos/ch/reader/view_abstract.aspx?file_no=20080204&flag=1