| 航班信息抽取规则的自动生成技术 |
| |
| 引用本文： | 张志远,徐涛,冯霞.航班信息抽取规则的自动生成技术[J].计算机工程,2011,37(6):65-67. |
| |
| 作者姓名： | 张志远 徐涛 冯霞 |
| |
| 作者单位： | 中国民航大学计算机科学与技术学院,天津,300300;中国民航信息技术科研基地,天津,300300 |
| |
| 基金项目： | 国家"863"计划基金资助重点项，中国民航大学科研基金资助项目 |
| |
| 摘 要： | 在基于包装器的Web信息提取工作中，抽取规则占有重要的地位。由于网页经常改版，使得抽取规则需要不断更新，且手工生成抽取规则是一项费时费力的工作。为此，提出一种自动生成抽取规则的方法，通过扫描HTML源码，生成带语义信息的TABLE树，用以识别网页中的数据表格，并在此基础上利用贪心算法自动生成抽取规则。实验结果表明，该方法具有较高的准确率和F指数，且对于识别出的表格具有较高的规则生成率。
|
| 关 键 词： | Web信息提取 抽取规则 语义TABLE树 贪心算法 |
Auto Generation Technology for Flight Information Extraction Rules |
| |
| ZHANG Zhi-yuan,XU Tao,FENG Xia.Auto Generation Technology for Flight Information Extraction Rules[J].Computer Engineering,2011,37(6):65-67. |
| |
| Authors: | ZHANG Zhi-yuan XU Tao FENG Xia |
| |
| Affiliation: | 1,2(1.School of Computer Science & Technology,Civil Aviation University of China,Tianjin 300300,China;2.Information Technology Research Base of CAAC,Tianjin 300300,China) |
| |
| Abstract: | Extraction rule plays an important role in Web information extraction based on wrappers.As the Web pages often change,the rule is updated frequently.However,it is a hard work to find extraction rule by hand.This paper proposes an auto extraction rule generation method,which constructs a semantic TABLE tree after scanning HTML code.The semantic TABLE trees is used to identify the data table,and the extraction rule is generated automatically through a greedy algorithm.Experiment result shows that it has high precision and F-score,and has high rule generation rate to the identified table. |
| |
| Keywords: | Web information extraction extraction rules semantic TABLE trees greedy algorithm |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《计算机工程》浏览原始摘要信息 |
|
点击此处可从《计算机工程》下载全文 |
