全部 标题 作者
关键词 摘要

OALib Journal期刊
ISSN: 2333-9721
费用:99美元

查看量下载量

相关文章

更多...

基于重复模式的论坛信息抽取研究

, PP. 74-77

Keywords: 重复模式,论坛抽取,信息抽取

Full-Text   Cite this paper   Add to My Lib

Abstract:

针对现有网络论坛信息抽取的不足,提出了一种基于重复模式发现算法的论坛信息抽取方法.该方法首先利用Sgm-lReader解析器将HTML文档转换为格式规范的XHTML文档,然后通过计算XHTML文档结构中DOM子树相似度,自动发现论坛页面结构的重复模式.该方法通过自动定位重复模式进行论坛信息抽取,较好地解决了在论坛信息抽取过程中需要人工查找、定位重复模式或者通过人工分析论坛页面代码定制抽取规则的问题.试验结果表明,该方法具有较好的准确性、通用性和实用性.

References

[1]  [ 王海明, 韩瑞霞. 目前国内BBS研究现状评述[ J] . 兰州石化职业技术学院学报, 2004( 4): 25-29. W ang H aim ing, H an Ruix ia. Rev iew o f present condition of domestic resea rches on BBS[ J]. Journa l o f Lanzhou Petrochem ical Co llege o f Techno logy, 2004( 4): 25-29. ( in Ch inese)
[2]  [ Ca iR, Yang JM, La iW, et a.l iRobot: An Inte lligent C raw ler forW eb Fo rum s[ C] / / In Proc 17thWWW. Be ijing: ACM, 2008: 447-456.
[3]  [ Guo Yan, L iKu,i ZhangK a,i e t a.l Boa rd forum craw ling: A w eb craw lingm e thod fo rw eb forum [ C ] / / In Pro c 2006 IEEE / W IC /ACM Int ConfW eb Intellig ence. H ong Kong: IEEE, 2006: 745-748.
[4]  [ W ang Y, Yang JM, La iW, e t a.l Explor ing trave rsal stra tegy fo r w eb forum craw ling [ C] / / In Proc of S IGIR S ing apore: ACM, 2008: 459-466.
[5]  [ 奚伟鹏, 李昕, 蒋凯. 面向网上论坛的信息抽取技术[ J]. 计算机工程, 2005, 31( 4): 66-68. X iW e ipeng, L i Xin, Jiang Ka.i Inform ation extrac tion technology fo r web fo rum s[ J]. Computer Eng inee ring, 2005, 31( 4): 66-68. ( in Chinese)
[6]  [ 陈挺, 刘嘉勇, 夏天, 等. 基于平板型W eb论坛的信息抽取研究[ J] . 成都信息工程学院学报, 2009, 24( 2) : 1-4. Chen Ting, L iu Jiayong, X ia T ian, e t a.l Inform ation ex traction research based on pane-l structuredW eb BBS[ J]. Journa l o f Chengdu University of Inform a tion Technology, 2009, 24( 2): 1-4. ( in Ch inese)
[7]  [ Duda R O, H art P E, Stork D G. Pattern C lassification[M ]. 2nd ed. Hoboken: JohnW iley and Sons, 2000: 27-29.
[8]  [ 杨少华, 林海略, 韩燕波. 针对模板生成网页的一种数据自动抽取方法[ J] . 软件学报, 2008, 19( 2): 209-223. Yang Shaohua, Lin H a ilue, H an Yanbo. Autom atic data ex traction from tem plate-generated w eb pages[ J] . Journa l o f Softw are, 2008, 19( 2): 209-223. ( in Chinese)

Full-Text

Contact Us

service@oalib.com

QQ:3279437679

WhatsApp +8615387084133