摘要：由于网页信息具有异构和动态的特点，致使现有的大多数网页信息抽取方法都存在适用性差的问题。为此，将传统的文本分类器和隐式马尔可夫学习策略结合起来，提出了一种基于多学习策略的网页信息抽取方法。该方法在获得网页文本记录的局部最优分类抽取结果基础上，还利用了整个网页文本结构信息对抽取结果进行进一步优化。实验结果表明，该方法不需要对新的站点进行学习，就能获得较高的信息召回率和抽取精度，具有较强的适用性。

原文链接:http://www.cqvip.com//QK/90976X/200812/29007487.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）