论文部分内容阅读
web论坛中蕴含着丰富的信息资源，充分利用这些信息资源依赖于论坛数据抽取技术。该文解决了从web论坛抽取什么数据和如何抽取的问题，提出了一种基于网页布局相似度的Web论坛数据抽取方法，有效弥补了目前方法的自动化程度低，或准确率低的不足。该方法充分利用Web论坛网页布局结构上的特点，采用分级处理的方式，先识别出主题信息块、再利用待抽取数据的统计规律在主题信息块中完成抽取，整个过程不需要任何人工干预。实验结果表明，新方法对不同的BBS站点有很好的通用性，且具有较高的准确率和召回率。