基于多层模式的多记录网页信息抽取方法

为有效解决网页信息抽取所需知识的获取问题，提出了一种基于多层模式的网页信息抽取方法（简称ＨＰＩＥ方法）。将网页信息抽取知识分为若干层，由抽象到具体逐层描述信息识别模式知识。ＨＰＩＥ方法能够利用各抽取对象之间存在的相互联系，以及抽取过程与结果所形成的新学习样本，不断完善多层模式的知识内容，并帮助最终从多个信息内容类似但其描述格式各异的ＨＴＭＬ网页中，抽取出所需的多记录信息内容。有关多个（美国大学教员）论文目录网页的抽取实验结果表明，ＨＰＩＥ方法具有较强的网页信息自适应抽取能力。