HTMLからのテキストの自動切り出しアルゴリズムと実装

情報処理学会 Web Site Web Site 被引用文献3件 参考文献17件

書誌事項

タイトル別名
  • Extracting Text Data from HTML Documents
  • HTML カラ ノ テキスト ノ ジドウ キリダシ アルゴリズム ト ジッソウ

この論文をさがす

説明

World Wide Web で収集したHTML テキストから部分的にデータを取り出すプログラムをHTMLWrapper と呼ぶ．本研究ではHTML Wrapper のための新しいデータモデルを提案し，与えられたHTML から所望のテキストデータを切り出すためのHTML Wrapper を自動生成する機械学習アルゴリズムを構築する．さらにこのアルゴリズムをJava によって実装し，このアルゴリズムの有効性を検証する．

This paper introduces the new model of the HTML Wrapper for the information extraction from HTML documents and presents the learning algorithm for the HTML Wrappers in the framework of learning by exmaples. The expressiveness of this model is shown by experimental results.

収録刊行物

被引用文献 (3)*注記

もっと見る

参考文献 (17)*注記

もっと見る

キーワード

詳細情報 詳細情報について

問題の指摘

ページトップへ