基于模板的网页信息抽取技术研究_杨一柳.pdfVIP

34 3 ( ) Vol． 34 ，No． 9 第 卷第 期 渤海大学学报 自然科学版 2013 9 Journal of Bohai University (Natural Science Edition) Sep． 2013 年 月 基于模板的网页信息抽取技术研究 杨一柳* ( ， 1210 13) 渤海大学大学计算机教研部 辽宁锦州 : ． 摘 要 准确挖掘 网页中的信息对检索 系统非常重要 提出了一种基于模板的 网页信息抽取 方法进行网页信息抽取． 该方法采用网页抓取与数据模板技术实现 了网页信息 的 自动发现 与抽 ． Yahoo ， ． 取 在 网站上的实验结果表明 该方法具有较好的检索效果 : ; ; 关键词 模板 信息抽取 网络爬虫 中图分类号:TP39 文献标志码:A 文章编号:1673 － 0569 (20 13)03 － 0320 － 04 0 引言 ， ． 随着互联网的普及 越来越多的信息以网页的形式出现在人们面前 为了帮助人们在海量信息中迅速 ， ， 找到真正所需要的信息 应对信息爆炸带来的严重挑战 迫切需要借助计算机帮助人们从这些数据中准确 〔1 〕 提取出有用的信息， ． 信息抽取系统正是在这种背景下产生的 信息抽取技术不仅能够帮助我们在互联 ， ， ． 网上找到自己所需要的信息 而且也可以将网页信息转换为数据库记录 方便用户的检索和使用 ， ． 检索系统首先要有语料资源支持 而语料信息的新鲜度决定了语料库检索系统的效果 互联网拥有丰 〔2 〕 ， ． ， 富的网页资源 为我们构建专业语料库系统提供了丰富的素材 但是互联网上海量的数据 为数据的获 ． ， ， ， 取带来了较大的难度 因此 进行网页抓取和数据抽取技术的研究 为检索系统提供互联网上的语料信息 〔3 〕 具有十分重要的理论和现实意义 ． 1 基于模板的网页数据抽取技术 〔4 〕 ． 通用的网页数据抽取技术主要是包括人工抽取和自动