论文部分内容阅读
如今，Web成为了网络信息的主要平台。根据研究发现，表格在Web文本中被经常使用。正因为表格形式简洁并且含有丰富的信息，自动理解表格在知识管理、信息检索、Web挖掘等应用中有着广泛的用途，所以研究Web表格信息抽取有着重要的现实意义。互联网上有大量信息采用HTML表格表示，由于HTML不描述数据的内容，机器不能理解和查询。论文首先将HTML文档转换为XML文档，结合本体形成启发式规则，对表格定位、表格结构识别两个关键技术进行了分析。在此基础上，利用HTML表格属性，将HTML表格标准化，从而适用于复杂表格