论文部分内容阅读
本文重点探讨基于编辑距离的网页相似度算法在Web抽取系统中的应用与实现。通过结合基于URL及编辑距离的网页结构相似度的计算方法，抽取系统在抽取过程中能够检测网页结构的变化，从而主动做出判断，选择适应规则进行抽取或通过主动学习自动扩展规则库。结构相似度计算赋予系统感知网页结构变化的能力，系统通过主动自我更新与调整，能更好地适应面向实际应用的异构资源的获取。算法的可行性和效率在原型系统中得以验证。