|
|
1.
基于编辑距离的Web数据挖掘
黄亮 赵泽茂 梁兴开
计算机应用
2012, 32 (06):
1662-1665.
DOI: 10.3724/SP.J.1087.2012.01662
Div+CSS流行于Web页面的布局，在这种布局下，网页中很多数据记录以重复结构的形式聚集在一个层级。为了更好地从网页中挖掘数据，提出了一种新的Web数据挖掘算法，把树编辑距离转化为字符串编辑距离的计算，改进字符串编辑距离算法，利用字符串编辑距离评价树的相似度，进而找到网页中的重复模式，提取数据。通过针对不同重复模式特征的网页的实验说明，基于编辑距离的Web数据挖掘算法不仅能提取具有根节点及上面几层相同的网页的数据，对具有底层节点相同的网页也是有效的。
相关文章 |
多维度评价
|
|
