原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
网页信息自动抽取技术的研究.pdf
第19卷第9期 网络技术
V01．19No．9 NETWORK
TE(IINIOUE
文章缩号：1005—8451(2010)09-0037·04
网页信息自动抽取技术的研究
胡少荣，孟嗣仪，刘 云，张彦超，丁 飞
(北京交通大学 网络舆论安全研究中心 100044)
摘 要：在网络舆情分析中，经常要从大量的网页信息中抽取出有用的数据。但一般的网页信息抽取
技术都是基于对HTML文档的分析。本文提出网页信息自动抽取的方法，可以滤除网页噪声，快速准确地
建立网页解析模板库，最后根据模板的抽取规则对网页信息进行抽取。实验证明，该方法具有较高的回召
率和查准率。
父键谢：自动抽取；网页信息；解析模板；XPath；网络舆情
中图分类号：TP39 文献标【；：码：A
extraction of information
Researchonautomatic Web
technology
Fei
HU Si．Vi，LIUYun，ZHANGYan—chao，DING
Shao．rong．MENG
for StudiesPublic 1
(CenterSecurity Opinion，BeijingJiaotongUniversity，Beijing00044，China)
Abstract：Inonline wasneededtoextractvaluableinformationfrom amountofWebsource．
publicopinionanalysis，it large
But wasbasedOnthe ofHTMLdocuments．This
thecommonofWebinformationextraction
way technology analysis paper
automaticextraction ofWeb couldeliminate information
information，it noisycontent，extract
proposed technology
method into XML builtWeb
transformedHTMLstructuredmodel，then templatelibraryby
efficiently．This pagesparser
tO thatthis
DOM4Jand extractedtheWebinformation rulesofthe showed
XPath，finally according
文档评论（0）