基于链接路径搜索的URL属性集成方法  

URL Attribute Integration Method Based on Link Path Search

作　　者：马艳红[1] 胡学钢[1] 吴共庆[1] 

机构地区：[1]合肥工业大学计算机与信息学院,合肥230009

出　　处：《计算机工程》2013年第1期76-79,共4页Computer Engineering

基　　金：国家"863"计划基金资助项目(2012AA011005);国家自然科学基金资助项目(60975034);安徽省自然科学基金资助项目(11040606M151)

摘　　要：在W2DR算法实验中,部分网页因其锚文本提供的信息量不足,导致利用半结构化的网页信息填充结构化数据库内容效果不佳。为此,提出一种基于链接路径包的URL属性集成方法。采用将锚文本和网页标题相结合的机制,从被搜索网页集中,根据最佳匹配策略求解得到URL属性值,并将其填充到目标数据库。实验结果表明,与W2DR算法相比,该方法在2个不同数据集中的F值分别提高13.91%和3.54%。As some anchor texts of webpage can not provide sufficient information,the performance of filling the structured database with semi-structured information of Web pages is not good in the experiments of W2DR method.This paper proposes a method based on the link path bag to integrate URL attributes.Through integrating anchor texts with Web titles,the URL attribute values are obtained and filled into the destination database from the searched Web page datasets according to the best matching strategy.Experimental results show that the F value of this method increases by 13.91% and 3.54% in two different datasets respectively.

关 键 词：链接路径 网页标题 半结构化数据 结构化数据库 锚文本 URL属性 

分 类 号：TP311[自动化与计算机技术—计算机软件与理论]