公开(公告)号：CN101661468A

公开(公告)日：2010-03-03

申请号：CN200810119238.0

申请日：2008-08-29

Applicant: 中国科学院计算技术研究所

Inventor： 郭岩 ,  丁国栋 ,  曹冬林 ,  王宇 ,  张刚

IPC: G06F17/30

Abstract: 本发明公开了一种从论坛帖子列表页面中抽取帖子元数据的方法，其包括如下步骤：步骤S1，提供论坛帖子列表页面作为样例页面，根据样例页面中的帖子记录的组织结构特征生成抽取模板；步骤S2，根据抽取模板，对与样例页面中的帖子记录的组织结构相同或相似的论坛帖子列表页面作在线抽取操作，获得帖子元数据。本发明能够满足处理大量的大规模论坛数据的实际需求，且抽取精度高、抽取速度快、维护代价小。

公开(公告)号：CN101661468B

公开(公告)日：2011-08-31

申请号：CN200810119238.0

申请日：2008-08-29

Applicant: 中国科学院计算技术研究所

Inventor： 郭岩 ,  丁国栋 ,  曹冬林 ,  王宇 ,  张刚

IPC: G06F17/30

Abstract: 本发明公开了一种从论坛帖子列表页面中抽取帖子元数据的方法，其包括如下步骤：步骤S1，提供论坛帖子列表页面作为样例页面，根据样例页面中的帖子记录的组织结构特征生成抽取模板；步骤S2，根据抽取模板，对与样例页面中的帖子记录的组织结构相同或相似的论坛帖子列表页面作在线抽取操作，获得帖子元数据。本发明能够满足处理大量的大规模论坛数据的实际需求，且抽取精度高、抽取速度快、维护代价小。