论文部分内容阅读
提出了一种基于标签路径的Web结构化数据自动抽取方法。该方法通过对网页DOM树的解析获取完整标签路径集合，并依据路径相似度测量方法来聚类标签路径，实现目标数据区域的定位，然后通过标签节点坐标位置的特性来分离各个数据项，过滤冗余数据，最终完成数据抽取。实验结果表明，与MDR方法相比，该方法在处理拥有结构化数据的网页时，有更高的查全率和查准率。