信息抽取中基于DOM树的过滤器方法的研究

摘要

分析了信息抽取中各种页面预处理的方法,提出一种改进方法—基于DOM树结构的过滤器,并设计了三种过滤器。讨论过滤器的原理,给出了具体的实现算法。最后根据过滤器的一个具体应用,总结出其适应于当前网页的结构和设计的特点,验证了方法的正确性和适用性,大大提高了信息抽取的效率和准确率。