论文部分内容阅读
以Web页面信息项本体定义为基础，对单个样本页面信息项路径进行启发式学习，对所有样本页面集中信息块路径进行归纳学习，识别结构相似的信息块子树位置，以准确划定信息抽取区域，降低页面噪声。将经过噪声处理的样本页面自动解析成页面的结构本体。比较Web页面信息项本体和页面的结构本体，通过归纳学习算法生成抽取规则，提高Web信息的抽准率。