基于C4.5的论文元数据抽取算法研究

作者：欧阳辉 禄乐滨 钱建立元数据抽取决策树特征相似度

摘要：基于特征相似度的论文元数据抽取算法与传统的DOM树方法相比,提高了论文元数据的抽取成功率。但论文元数据的抽取效率却不高,而论文元数据的抽取与蜘蛛的论文爬取是同时进行的,对元数据的抽取有实时性要求,因此影响了论文数据量的增加。经过比较研究,利用决策树中的C4.5算法对特征相似度算法进行改进,论文元数据的抽取成功率提高了2%,抽取效率提高了62%。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社