论文部分内容阅读
在Internet中存在着大量的半结构化的HTML网页。为了使用这些丰富的网页数据，需要将这些数据从网页中重新抽取出来。该文介绍了一种新的基于树状结构的信息提取方法和一个自动产生包装器的系统DAE(DOM based Automatic Extraction)，将HTML网页数据转换为XML数据，在提取的过程中基本上不需要人工干预，因而实现了抽取过程的自动化。该方法可以应用于信息搜索agent中，或者应用于数据集成系统中等。