Web Information-Extraction Based on Vision Block and Multi-Features

摘要

随着信息社会的快速发展，web数据已经发展成为一种巨大的信息资源。Web信息抽取作为一种从web数据中抽取主题信息的研究内容，是数据分类、自然语言处理等研究领域的基础。因此，如何准确快速的从海量的web数据中抽取关注的信息变得越来越重要。本文对web信息抽取的方法进行了研究，并针对研究过程中遇到的问题，提出相应的解决方法。本文的主要研究内容如下： （1）对已存在的各种web信息抽取算法做出了详细的研究比较。 （2）本文的主要目的是对具有主题信息的主题型网页进行正文抽取，而对于链接型网页不予处理。因此要先判断输入网址的网页类型。本文对两种网页进行了详细的比较，提炼出五个明显的特征，并提出一种...