HTMLからのテキストの自動切り出しアルゴリズムと実装

• 村上, 義継

• 坂本, 比呂志

• 有村, 博紀

• 有川, 節夫

書誌事項

タイトル別名

• 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

抄録

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.

収録刊行物

• 情報処理学会論文誌数理モデル化と応用（TOM）

  情報処理学会論文誌数理モデル化と応用（TOM） 42 (SIG14(TOM5)), 39-49, 2001-12-15

  東京 : 情報処理学会

キーワード

• オリジナル論文

詳細情報

• CRID: 1050282812868508544
• NII論文ID: 10012520218
• NII論文ID: 110002936511
• NII論文ID: 110002726143
• NII書誌ID: AA11464803
• ISSN: 18827780
• ISSN: 09196072
• ISSN: 03875806
• NDL書誌ID: 5747753
• NDL書誌ID: 6022913
• Web Site: http://id.nii.ac.jp/1001/00017308/
• Web Site: https://ndlsearch.ndl.go.jp/books/R000000004-I5747753
• Web Site: https://ndlsearch.ndl.go.jp/books/R000000004-I6022913
• 本文言語コード: ja
• 資料種別: article
• データソース種別:
  • IRDB
  • NDL
  • CiNii Articles