基于Web挖掘的商业信息抽取研究.PDFVIP

第29卷．第 5期 情 报 杂 志 V01．29 No．5 2010年 5月 JOURNALOFINTELLIGENCE May 2010 基于 Web挖掘的商业信息抽取研究* TheStudyofW ebBusinessInformationExtractionBasedOnRegularExpressions 廖开际 易 聪 (华南理工大学工商管理学院 广州 510640) 摘 要 web商业信息普遍存在互联网HTML文件 中，使用传统手工方法来收集这些信息存在很大的局限性。针 对web上存在的大量商业信息，基于web挖掘技术，提出了使用正则表达式来收集大规模web商业信息。实现方 式是首先获取网页源文件 ，接着使用设计好的正则表达式对源文件进行编译，从而抽取其中的web商业信息。实 验表明，这种方法抽取的准确率达到93％以上。 关键词 Web商业信息抽取 正则表达式 web挖掘 中图分类号 TP391．