基于相似页面的web信息抽取系统的实现

？分析了roadrunner的核心算法，针对roadrunner的不足，综合自动和半自动抽取阶段的各项研究成果，设计并实现了基于相似页面的web信息抽取系统。介绍了系统结构和实现的关键技术，包括如何获取相似页面，可靠的噪声处理和自动归纳抽取规则的算法。