基于动态学习框架的全自动网页结构化数据抽取方法

摘要

本发明涉及一种基于动态学习框架的全自动网页结构化数据抽取方法，包括：（A）可信属性集学习过程和（B）属性单元的发现和抽取过程。所述（A）可信属性集学习过程包括：①提取潜在属性单元；②获得候选属性集合；③产生可信属性集合。所述（B）属性单元的发现和抽取过程包括：④获取属性单元发现域；⑤获取网页结构化数据。本发明提出的方法与已有方法相比较，具有以下优点：①无需人工干预，可以大规模地用于现实网络中各种类别的网页属性信息的抽取。②能够适应多种不同的垂直域。③基于动态学习的框架，能够适应目标网页的变化，具有较高的灵活性。④抽取出的信息还可以为其它方面的研究提供数据，如知识库建立、本体研究、趋势预测等。