| 基于DOM树和DBSCAN算法的Web信息提取 |
| |
| 引用本文： | 何云钢,曹宝香. 基于DOM树和DBSCAN算法的Web信息提取[J]. 电子技术, 2015, 0(6) |
| |
| 作者姓名： | 何云钢 曹宝香 |
| |
| 作者单位： | 曲阜师范大学信息科学与工程学院,山东日照,276826 |
| |
| 基金项目： | 山东省自然科学基金项目(ZR2009GM009) 山东省科技攻关项目 |
| |
| 摘 要： | 文章针对互联网中网页结构多样、易变等因素,通过研究网页结构中存在的一般规律,并结合DOM树和DBSCAN聚类算法,提出了新的Web信息提取算法.并详细介绍了构建DOM树和基于DBSCAN算法的网页内容提取.最后通过实验证明该算法能有效地获取网页中的正文信息,不依赖于网页结构,具有较强的通用性.
|
| 关 键 词： | DOM树 DBSCAN Web信息提取 |
Web Information Extraction based on DOM tree and DBSCAN Algorithm |
| |
| He Yungang,Cao Baoxiang. Web Information Extraction based on DOM tree and DBSCAN Algorithm[J]. Electronic Technology, 2015, 0(6) |
| |
| Authors: | He Yungang Cao Baoxiang |
| |
| Abstract: | |
| |
| Keywords: | |
|
|
