垂直搜索引擎爬虫系统DIPRE算法及改进

摘要

针对垂直搜索引擎中精确抽取网页中特定字段的问题,对DIPRE算法进行了研究和改进.阐述了DIPRE算法在垂直搜索引擎中的重要作用,探讨了DIPRE算法在抽取复杂结构网页时的不足,并提出了改进,包括种子定位方式,将单模匹配扩展成多模匹配并引入定位索引,再根据已有技术对改进后的算法进行了实验验证.结果表明,改进后的算法在精度和效率上都符合预期.