Web信息抽取中基于結點權重的樹編輯距離匹配法研究

摘要：提出一種改進的樹匹配算法，通過考量HTML特性，對樹編輯距離方法進行改進，根據不同HTML樹結點在瀏覽器中所顯示的相關數據的不同權重賦以不同的權重值。算法由HTML數據對象構造具有結點權重的HTML樹，模式識別通過取得兩棵構造樹的最大映射值達成。通過基于商用網站的實驗對算法有效性進行了證實。

關鍵詞：信息抽取；DOM；樹編輯距離；模式識別

注：本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文