基于样本实例的Web信息抽取  

Web Information Extraction Based on Samples

作　　者：张绍华[1] 徐林昊[1] 杨文柱[1] 薛文玲[1] 李天柱[1] 

机构地区：[1]河北大学数学与计算机学院,河北保定071002

出　　处：《河北大学学报（自然科学版）》2001年第4期431-437,共7页Journal of Hebei University(Natural Science Edition)

摘　　要：主要研究了基于HTML文档的信息抽取 ,提出了一种基于样本实例的Web信息抽取的方法 .用户首先选定样本页面和预先定义模式 (基于O -R模型 ) ,然后对样本页面和其中的样本记录进行标记、学习 ,形成信息抽取规则 ,并存入知识库 ;利用知识库对其他同类页面自动抽取所需的信息 ,存入数据库中 .本方法可用于Web查询 ,也可用于信息集成的包装器 .This paper mainly discusses an approach of information extraction from HTML documents and presents a samples-based method of fast information extraction. User first chooses the sample pages,predefined scheme(based on O-R model) and marks sample reords,then the system automatically form extraction rules from user's marking behaviors on pages. All the rules are stored into knowledge base. The system can automatically extract information from other similar pages using the knowledge in knowledge base and the information extracted is stored into database. The method can be applied to Web query and wrappers for information integration.

关 键 词：HTML 模式 抽取器 信息抽取 WEB查询 INTERNET INTRANET 

分 类 号：TP393.4[自动化与计算机技术—计算机应用技术]