基于后缀树的Web论坛信息抽取

作     者：肖建鹏 张来顺 任星 宋晓光 XIAO Jian-peng;ZHANG Lai-shun;REN Xing;SONG Xiao-guang

作者机构：解放军信息工程大学电子技术学院河南郑州450004 中国人民解放军65012部队辽宁沈阳110101 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2008年第29卷第7期

页      码：1675-1677页

摘      要：针对现有网上论坛信息抽取的不足,提出一种基于后缀树的论坛信息抽取方法。将标准化后的HTML文档转换为后缀树,查找出其中的重复模式并产生分装器,将分装器转换为NFA(非确定型有穷自动机)达到抽取论坛信息的目的。该方法运用构造后缀树的技术来抽取论坛信息,较好地解决了现有的抽取方法准确性较差、通用性不强的问题。实验结果表明,该方法具有较高的准确性和实用性。

主 题 词：信息抽取 分装器 后缀树 重复模式 论坛 

学科分类：08[工学] 0835[0835] 081202[081202] 0812[工学-测绘类] 

D　O　I：10.16208/j.issn1000-7024.2008.07.026

馆 藏 号：203209475...