Web页面中数据表的识别方法研究.pdf

第38卷第23期 计算机工程 2012年12月 December2012 V01．38NO．23 Engineering Computer 文献标识码：A 中圈分类号：TP391 ·人工智能及识别技术· 文章编号：1000—_3428(2012)23—0154—04 Web页面中数据表的识别方法研究 车成逸，马宗民，焦酶龙 (东北大学信息科学与工程学院，沈阳110819) 摘要：为提高Web数据表识别的准确性，提出一种基于支持向量机与混合核函数的数据表识别方法。给出表格的结构特征、内容特征以 及行(列)相似特征，将多项式核函数和线性核函数组成混合核函数，利用其进行web数据表的自动识别。实验结果表明，该方法在7个站 点上，准确率和召回率的平均值为95．14％和95．69％。 关健词：Web页面；数据表；特征抽取；支持向量机；核函数 Research MethodofDataTableinWeb onIdentification Page CHE Cheng-yi，MAZong-min，JIAOXiao-long 11 ofInformationScienceand 081 (College Engineering，NortheasternUniversity,Shenyang9，China) ofWebdata anidentificationmethodbasedon Vector orderto theidentification table，this [Abstract]Inimprove accuracy paperproposes Support thestructural features featuresofthe mixedkernelfunction。This and table， Machine(SVM)and papergives features，contentrow(column)similarity a functionandalinearkernel theWeb andtakesmixedkemelfunctionconstructed kernel by polynomial function，automaticallyrecognizes the rateandrecallrateofthismethodare95．14％and95．69％insevensites． resultshowsthat meaningfultables．Experimental averageprecision words!Web