Hidden Web上的自動信息抽取.pdf

1、互聯(lián)網中蘊含著大量可用的信息,但其中越來越多的內容需要通過填寫HTML表單的方式才能獲得。從用戶和數據管理的角度來看,這是合理的,但是對于收集網絡信息的自動化工具來說,無疑制造了很多的困難。這部分被隱藏在查詢表單后面的Web也因此被稱為Hidden Web。由于其中信息的巨大價值,在Hidden Web中的自動信息搜索已經成為熱門的研究課題。 本文將提出一個在Hidden Web中進行信息搜索的方法,不同于其他針對頁面的方法,它

2、以Hidden Web中的信息為目標,通過自動填表、制定查詢計劃、結果頁面處理、重復信息過濾等步驟,力爭高效地實現對隱藏在表單后面信息的覆蓋。 為了有效利用所獲得的信息,本文還將提出一種在頁面中抽取信息的方法。這種方法沒有針對Web頁面的整個結構進行解析,但仍然提取出了表格結構,在效率與靈活之間找到了一個平衡。 在此基礎之上,我們構建了一個系統(tǒng)。針對典型的搜索引擎,它可以實現自動登錄、自動發(fā)起查詢、索引頁面處理、詳情頁面