主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第8期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
黄豫清,戚广志,张福炎.从WEB文档中构造半结构化信息的抽取器.软件学报,2000,11(1):73-78
从WEB文档中构造半结构化信息的抽取器
Extracting Semi-Structured Information from the WEB
投稿时间:1998-11-17  修订日期:1999-02-12
DOI:
中文关键词:  启发式规则,数据抽取格式,对象交换模型.
英文关键词:Heuristics rule, data extracting format, object exchange model.
基金项目:
作者单位
黄豫清 南京大学多媒体计算机研究所,南京,210093 
戚广志 南京大学多媒体计算机研究所,南京,210093 
张福炎 南京大学多媒体计算机研究所,南京,210093 
摘要点击次数: 2660
全文下载次数: 2911
中文摘要:
      为了对WEB上不规则的、动态的信息按照数据库的方式集成和查询,采用对象交换模型(object exchange model,简称OEM)建立了WEB信息模型.为了将页面中各个部分表示为对应的OEM对象,设计了半结构化信息的抽取算法,并给出测试结果.该方法可以抽取结构化和半结构化的信息,比现有的抽取方法通用性更强.
英文摘要:
      In order to integrate and query irregular and dynamic information on WEB in a database-like fashion, the authors use object exchange model (OEM) to construct information model of WEB in this paper. To express each component of pages as an OEM object, the authors design an algorithm which extracts semi-structured data from HTML pages, and the testing results are given. This method can extract structured and semi-structured data. It has better applicability than other existing methods.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利