Web信息抽取中基于结点权重的树编辑距离匹配法研究

作者：朱南丽; 朱晓鸣; 叶五梅

来源：计算机时代, 2010, (03): 49-51.

• 信息抽取
• DOM
• 树编辑距离
• 模式识别 information extraction
• DOM
• tree edit distance
• pattern recognition

提出一种改进的树匹配算法,通过考量HTML特性,对树编辑距离方法进行改进,根据不同HTML树结点在浏览器中所显示的相关数据的不同权重赋以不同的权重值。算法由HTML数据对象构造具有结点权重的HTML树,模式识别通过取得两棵构造树的最大映射值达成。通过基于商用网站的实验对算法有效性进行了证实。

• 单位
  宁波工程学院; 浙江工商职业技术学院