位置:成果数据库 > 期刊 > 期刊详情页
基于加权频繁子树相似度的网页评论信息抽取
  • ISSN号:1001-3695
  • 期刊名称:《计算机应用研究》
  • 时间:0
  • 分类:TP391.1[自动化与计算机技术—计算机应用技术;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]广东工业大学计算机学院,广州510006, [2]佛山科学技术学院,广东佛山528000
  • 相关基金:NSFC-广东联合基金资助项目(U1501254);广东省自然科学基金资助项目(2014A030306004,2014A030308008);广东省科技计划资助项目(2012801010029,20138051000076,20158010108006,20158010131015);广州市科技计划资助项目(2014Y2-00027);国家自然科学基金资助项目(61202269,61472089,61572143,61502108,61502109);广东特支计划资助项目(2015TQ01X140);广州市珠江科技新星资助项目(201610010101);广东省哲学社科项目(GD14XYJ24)
中文摘要:

针对现有网页信息抽取方法普遍存在人工耗时大、抽取准确率低等问题,提出了一种基于加权频繁子树相似度的网页评论信息抽取方法WTS。首先通过视觉特征对网页进行剪枝处理;然后,通过深度加权的相似度度量方法抽取最佳频繁子树;最后,通过子树对齐方法抽取评论路径并解析评论内容。通过对京东、苏宁等网站的评论内容抽取实验,验证了WTS方法比D—EEM、POL等方法在抽取产品评论信息上具有一定的优势。

英文摘要:

Aiming at the problem that existing methods are time consuming and poor performance, this paper proposed WTS method based on weighted frequent sub-tree similarity, which could extract product comments information rapidly and accurately. Firstly, the method pruned Web pages through visual characteristics. Then, extracted the best frequent sub-tree by depthweighted similarity measure. Lastly, it extracted comment path and parsed comment content. Extracting product comments from the wcbsite of JD, SN and so on, experimental results show that WTS has better performance in extracting product comments than D-EEM and POL.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《计算机应用研究》
  • 北大核心期刊(2011版)
  • 主管单位:四川省科学技术厅
  • 主办单位:四川省计算机研究院
  • 主编:刘营
  • 地址:成都市成科西路3号
  • 邮编:610041
  • 邮箱:arocmag@163.com
  • 电话:028-85210177 85249567
  • 国际标准刊号:ISSN:1001-3695
  • 国内统一刊号:ISSN:51-1196/TP
  • 邮发代号:62-68
  • 获奖情况:
  • 第二届国家期刊奖百种重点科技期刊,国内计算技术类重点核心期刊,国内外著名数据库收录期刊
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,波兰哥白尼索引,英国科学文摘数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:60049