Web页面上有大量的无关信息,为使用户能够快速获得需要信息,Web信息抽取技术成为研究热点。在基于DOM的Web信息抽取模型基础上提出一种基于时间频率加权(Time Frequency Weighted,TFM)DOM(TFW-DOM)的Web信息提取方法。该方法将Web页面上的无结构化或半结构化的文档转化成TFW-DOM树,然后根据根据抽取时间间隔计算公式抽取出用户需要的信息,是一种自动的抽取方法。试验结果表明,该方法有较好的适用性,适用于多级管理每级对数据实时性要求不一的情况,已在中国石化某网站通过验证。
展开▼
