|
|
ข้อมูลการเผยแพร่ผลงาน
|
| ชื่อบทความ |
Information extraction for deep web using repetitive subject pattern |
| วัน/เดือน/ปี ที่ได้ตอบรับ |
23 กรกฎาคม 2556 |
| วารสาร |
| ชื่อวารสาร |
World Wide Web |
| มาตรฐานของวารสาร |
|
| หน่วยงานเจ้าของวารสาร |
Springer US |
| ISBN/ISSN |
1573-1413 |
| ปีที่ |
|
| ฉบับที่ |
|
| เดือน |
|
| ปี พ.ศ. ที่พิมพ์ |
2556 |
| หน้า |
1-31 |
| บทคัดย่อ |
In this paper, we propose an information extraction (IE) system for extracting data records from semi-structured documents on the Deep Web using a promising proposed technique, called Repetitive Subject Pattern. This technique was based on the hypothesis that data records in the web page must have a subject item, and the repetitive pattern of the subject items can be used to identify the boundary of data records. The system consists of four automatic tasks: (1) parsing a sample page to a DOM tree, (2) recognizing a subject string in the DOM tree, (3) using the subject string for identifying the pattern of data records and generating a wrapper, and (4) using the generated wrapper for extracting data records. This approach enables the very flexible wrapper generator; when the automatic process generated the wrong wrapper, user can also provide a new sample subject string for generating better wrapper. As the result, the system can be both semi-supervised and unsupervised system. The experimentation shows that the proposed technique provides the outstanding results in generating the very high quality wrappers, with both recall and precision close to 100 % when tested on a number of datasets. |
| คำสำคัญ |
Information extraction,Web data extraction, Web content mining, Subject pattern, Wrapper induction, Unsupervised learning |
| ผู้เขียน |
|
| การประเมินบทความ |
มีผู้ประเมินอิสระ |
| สถานภาพการเผยแพร่ |
ตีพิมพ์แล้ว |
| วารสารมีการเผยแพร่ในระดับ |
นานาชาติ |
| citation |
ไม่มี |
| เป็นส่วนหนึ่งของวิทยานิพนธ์ |
เป็น |
| แนบไฟล์ |
|
| Citation |
1
|
|
|
|
|
|
|
|
|
การเผยแพร่ในรูปของบทความวารสารทางวิชาการ
English