Web行情数据的抽取研究.pdfVIP

维普资讯 本栏目责任编辑：闻翔军 。 数据库及信息管理 Web行情数据的抽取研究 于春燕 ． (1．合肥工业大学计算机与信息学院，安徽 合肥230009；2．滁9-1,1学院计算机科学与技术系，安徽滁州239012) 摘要：根据 “行情数据常表现为最大的表格区域”等规律 ，提 出了先识别最大表格再 自动抽取行情数据的抽取算法．该 算法无需用户定义 目标区域即可 自动抽取并存储数据 关键词 ：数据抽取 ；Web内容挖掘 ；行情数据抽取 ；表格数据抽取 中图分类号：TP311 文献标识码 ：A 文章编号：1009—3044(2007)21—40599—02 ResearchonMarketDataExtractionontheWEB YU Chun—yan，。 (1．SchoolofComputerScienceandInformationEngineering，HefeiUniversityofTechnology，Hefei230009，China； 2．Depa~mentofComputerScienceandTechnology，ChuzhouUniversity，Chuzhou239000，China) Abstract：A marketdataextractionalgorithm isproposedinthispaper，whichisbasedontheruleof”marketdataareusual lydisplayedinthelargesttableonaWebpage”．Thealgorithm firstdetectsthelargesttableonaW ebpageandthenextractsthe dataautomaticallyanddoesnotneedadataextractionregiontobespecifiedbytheusers． Keywords：dataextraction；Webcontentmining；marketdataextraction；tableextraction 1引言 处理方法进行抽取。自然语言处理方法要求大量例子的训 Web技术 的广泛应用 ．促使各类 网站大量 出现 越来 练 ，且处理速度 比较慢 ．在表格数据抽取 中应用尚不多见 一 越多的行业建成 了网站 ．并将行情信息发布在 网站 中．．例 f41基于本体的抽取方法 基于本体 的方法实现 了与待 如 ．农产 品销售 网站发布了农产品每 日交易的价格 ：天气预 抽取 Web页面格式无关 ．甚至在领域改变时也只要改变应 报网站发布天气变化的数据 ：导购网站提供商 品的报价等 用本体 即可 ，其应用效果较好 。然而 ．本体构造中的数据框 等。这些行情多表现为数据表格形式 获取 Web上 的这些 架设计非常 困难 ． 行情数据 ，进而进行关联 、预测 ，具有理论和实际意义 。 目 2行情数据的抽取算法 前，抽取Web页中表格数据的方法主要有 以下几种：