随着信息时代的到来,互联网上如雨后春笋一般出现了各种信息站点,给人们提供了大量的有用信息。但是出现了一个新的挑战,就是如何能让人快速定位到自己所需的信息,搜索引擎正是在这一背景下酝酿而生,用户可以通过它快速查找信息。搜索引擎由最开始的半机械半人工的目录式搜索发展到现在主流的全文搜索引擎和垂直搜索引擎,但就目前最成熟的全文搜索技术,在单个领域上的网页收集能力,还是有一定的欠缺,导致查准率和查全率达不到理想的目标。虽然垂直搜索技术在单个领域上的信息收集能力有所增强,但是依然像全文搜索一样,提供基于网页级的搜索服务,需要用户进行再次过滤。因此就出现了对象级垂直搜索这一新的搜索模式,它是提供基于特定领域的对象级搜索,提交给用户的查询结果是搜索系统经过一系列的抽取集成所形成的对象实体。但是目前现有的对象级搜索引擎在对象信息抽取模块,都属于半自动化模式,前期需要大量人力对部分网页进行标注,从而获取对象抽取的先验知识。因此本文针对这种情况,研究并改进了Road Runner全自动抽取算法,设计实现了对象级垂直搜索引擎中的自动信息抽取模块。本文主要在以下两个方面进行了改进:(1)改进了简单树匹配算法,提高了判断相似的准确率。原始的简单树匹配算法对网页DOM树结构中所有标签节点进行统一处理,并没有考虑到迭代标签的特殊性,改进后对迭代标签进行了一定的处理后再进行匹配比较。(2)改进了Road Runner算法的属性标注模块,利用不同包装器之间抽取对象的关联进行交叉标注,提高了抽取数据的属性标注率。Road Runner算法本身采用的属性标注技术是基于网页信息中属性值和属性名成对出现,而大部分网页中存在部分属性名缺失的情况。最后本文利用上述改进的算法实现了对象信息抽取系统,并在图书领域进行了抽取测试。