HTMLからのテキストの自動切り出しアルゴリズムと実装

IPSJ Web Site Web Site 3 Citations 17 References

Bibliographic Information

Other Title
  • 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
  • Extracting Text Data from HTML Documents

Search this article

Abstract

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.

Journal

Citations (3)*help

See more

References(17)*help

See more

Keywords

Details 詳細情報について

Report a problem

Back to top