一种基于网页分类和聚类的网页信息自动抽取方法

摘要

本发明涉及信息分析领域，提供了一种基于网页分类和聚类的网页信息自动抽取方法，主旨在于通过网页URL分类，大大降低聚类计算复杂度至0(N*k^2)，n表示类别个数，k表示平均每个类别的网页数量，提升网页信息自动抽取的性能。主要方案包括：步骤一：分类，将待抽取的网页分成N个类别；步骤二：聚类，对每个类别中的网页，进行相似网页聚类；步骤三：网页信息抽取，对于聚类后的每个类别，生成抽取模板抽取网页信息。