Hits:

Indexed by:期刊论文

Date of Publication:2011-01-01

Journal:情报学报

Included Journals:PKU、ISTIC、CSSCI

Volume:30

Issue:2

Page Number:160-165

ISSN No.:1000-0135

Key Words:HTML树;结构相似度;自由匹配;信息提取

Abstract:HTML网页信息是一种半结构化的数据,而且不同网页之间在其结构特征方面都具有一定的相似性.本文就是从信息的结构性角度来研究不同网页信息块之间的相似性,并提出了基于子树最优自由匹配规则的结构相似度度量模型以及利用网页结构相似性提取网页信息的方法.本文中的计算方法都用python语言实现.通过实验,本文对不同网页之间的相似度进行了计算和分析,实验数据表明,基于子树最优自由匹配规则的树结构相似度度量模型具有较好的系统性和适用性;通过树结构相似度来确定网页内部元素及两个网页之间的联系,也弥补了传统方法中依赖单调的文本信息比较的不足,使得网页信息提取更加准确,更加迅速.