基于CSS视觉分块的Web碎片信息抽取算法

摘要

为进一步解决在半结构化的Web页面中抽取Web碎片信息的困难，针对Web页面设计的目的是给用户显示相关的信息，浏览器只是呈现的中间手段，在抽取Web碎片信息时应该“以人为本”，从“人”的视觉效果出发，将Web页面按照CSS视觉效果进行分块，提出一种基于CSS视觉分块的Web碎片信息抽取算法。以随机输入的1000个Web碎片信息站点作为实验对象，实验结果表明，算法具有良好的性能，达到了较高的召回率与查准率。