公开(公告)号：CN101582074B

公开(公告)日：2011-01-26

申请号：CN200910010201.9

申请日：2009-01-21

Applicant: 东北大学

Inventor： 申德荣 ,  于戈 ,  孙高尚 ,  聂铁铮 ,  寇月 ,  王振华

IPC: G06F17/30

Abstract: 一种DeepWeb响应页面数据抽取方法，属于深层网络数据管理领域，该方法包括以下步骤：(1)选取DeepWeb响应页面Page；在查询页面输入关键字Key，查询得到响应页面Page；(2)抽取页面模板信息；对于响应页面的DOM树结构，找到包含关键字的孩子结点个数Wn最多的双亲结点P，将带标记的token块序列转化为带标记的token字符序列；用LCS算法处理以上两个记录的带标记的token字符序列，分隔并过滤公共token字符序列得到模板信息；(3)数据抽取；(4)token块合并；(5)数据表格聚类；本发明的有益效果：采用本发明的数据抽取方法，适用性强，精度高，效率得到大大提高。

公开(公告)号：CN101582074A

公开(公告)日：2009-11-18

申请号：CN200910010201.9

申请日：2009-01-21

Applicant: 东北大学

Inventor： 申德荣 ,  于戈 ,  孙高尚 ,  聂铁铮 ,  寇月 ,  王振华

IPC: G06F17/30

Abstract: 一种DeepWeb响应页面数据抽取方法，属于深层网络数据管理领域，该方法包括以下步骤：(1)选取DeepWeb响应页面Page；在查询页面输入关键字Key，查询得到响应页面Page；(2)抽取页面模板信息；对于响应页面的DOM树结构，找到包含关键字的孩子结点个数Wn最多的双亲结点P，将带标记的token块序列转化为带标记的token字符序列；用LCS算法处理以上两个记录的带标记的token字符序列，分隔并过滤公共token字符序列得到模板信息；(3)数据抽取；(4)token块合并；(5)数据表格聚类；本发明的有益效果：采用本发明的数据抽取方法，适用性强，精度高，效率得到大大提高。