【摘 要】
：
已有的Deep Web信息抽取算法主要对结构规范的网页进行模版的提取,目前多数Deep Web网页在结构上是非规范的,网页中记录属性字段可能缺失或重复、原子属性字段可能被html标签
【机 构】
：
四川大学计算机学院数据库与知识工程研究所成都信息工程学院软件工程系西南科技大学计算机学院
【基金项目】
：
国家自然科学基金资助项目(60473071),, 成都信息工程学院院选课题资助项目(CRF200819)
论文部分内容阅读
已有的Deep Web信息抽取算法主要对结构规范的网页进行模版的提取,目前多数Deep Web网页在结构上是非规范的,网页中记录属性字段可能缺失或重复、原子属性字段可能被html标签分隔。为了正确抽取这些非规范网页,提出了一种新方法:引入了记录的伪属性及其语义匹配概念,通过实现记录间伪属性序列的语义匹配实现信息抽取;提出了伪属性序列的模型及其语义匹配算法和记录Wrapper模型及其生成算法。实验表明,在结构不规范deep web网页的抽取上,能达到91%的查全率和93%的查准率,相对其它算法有一定优势。
其他文献
A small-sized autonomous underwater vehicle (AUV) independently developed and built by CAS researchers has been designated as an underwater guard
淋巴癌的发病年龄越来越提前，目前以30～45岁的中青年人为主，并且以男性偏多。原因可能与年轻人生活压力大、生活不规律、过度疲劳等有关，而且越年轻，淋巴细胞越有活力，也就越容易得
本文结合实际工作需要,就如何提高忠诚担当意识,提升乡政府计生办档案管理水平提出相应对策,希望能为具体工作开展提供启示与借鉴。
介绍了利用哺乳动物猪脑组织提取神经醇磷脂、卵磷脂和脑磷脂的工艺流程，并对某些关键环节进行了分析讨论，不仅为研究磷脂的生物学效应提供了原料，也为猪脑组织的综合利用开辟了
辽东湾北部地区右行走滑构造特征较为典型，主要表现为：沿走滑断裂带发育雁行式伸展断裂；剖面上发育花状构造；走滑断裂沿走向呈“S”型或反“S”型波状弯曲；沿走滑断裂带断槽与断鼻
<正>An across-strait symposium on earthquake prevention and disaster mitigation was held on 27 and 28 June in Beijing. The conference was attended by 24 CAS Mem
<正>The latest research break-through on the molecular mechanism and treatment of inflammation, contributed by scientists from the Shanghai Institutes for
分别以蒸馏水、四氯化碳为工质,流过内径19.6um光滑石英管,分别采用“单管法”和“双管法”测量微管进出口压力、温度和流量,实验得到了雷诺数（Re数）在9.6～530之间的微管内部流
<正>To acknowledge her outstanding achievements in the world of scientific and technical data,Prof. LIU Chuang with the CAS Institute of Geographical Sciences a
为革新和开发(首领) 的 CAS 中心的开幕典礼在北京在 2 月 14 日被保持。国家发展和改革委员会(NDRC ) 张晓锵的副主席和 CAS 主席团毒牙 Xin 的成员联合为新中心揭开了名牌