基于有限状态自动机提取不规范表结构Web信息 (2005年)

大量的不规范表结构信息是当前Web信息提取所必须解决的问题。在现有方法基础上，给出了归纳学习相邻属性间上下文规则集算法，提出了以Web页为粒度的属性转换机和有限状态自动机包装器概念，最后介绍了采用有限状态自动机包装器提取不规范表结构Web信息的算法。