Web環(huán)境下基于頁(yè)面結(jié)構(gòu)的關(guān)聯(lián)圖像抽取的研究.pdf

1、隨著網(wǎng)絡(luò)的飛速發(fā)展和人們需求的快速增長(zhǎng)，許多網(wǎng)絡(luò)商店如卓越、當(dāng)當(dāng)網(wǎng)等應(yīng)運(yùn)而生。網(wǎng)上購(gòu)物不但提供了各種各樣便宜的商品，并且沒(méi)有營(yíng)業(yè)時(shí)間和空間的限制。用戶可以購(gòu)買任何他們需要的商品而不需要走出家門。為了能夠更好地滿足消費(fèi)者對(duì)于自己需要的商品的了解，不僅需要有相關(guān)商品的文本信息的描述，商品的外觀如商品的圖像信息也是必不可少的。但Deep Web網(wǎng)站由于其商業(yè)性，通常只包含1，2張商品的圖像信息，不能滿足用戶的需要。為了更好的滿足用戶的需求，就

2、需要解決如下兩個(gè)方面的問(wèn)題:一是要抽取Deep Web網(wǎng)站中該商品的圖像信息，二是要將Surface Web中商品相關(guān)圖像返回給用戶。
　　為了更好的滿足消費(fèi)者對(duì)于不同網(wǎng)站中相同產(chǎn)品的對(duì)比及選取，本文設(shè)計(jì)并實(shí)現(xiàn)了Deep Web響應(yīng)頁(yè)面中圖像信息抽取子系統(tǒng)，針對(duì)目前Deep Web網(wǎng)站中響應(yīng)頁(yè)面圖像信息本身的特征，以及DOM樹(shù)結(jié)構(gòu)下的圖像路徑信息，對(duì)結(jié)果記錄圖像進(jìn)行抽取。對(duì)于某些在結(jié)果記錄頁(yè)面中沒(méi)有記錄圖像信息并且這些圖像信息存在

3、于結(jié)果記錄詳細(xì)頁(yè)面中的網(wǎng)站，本系統(tǒng)通過(guò)詳細(xì)頁(yè)面的鏈接進(jìn)入到該層頁(yè)面，在利用記錄屬性信息尋找到記錄塊所在位置之后，通過(guò)類似于寬度優(yōu)先遍歷的思想結(jié)合閾值信息抽取結(jié)果記錄圖像信息。
　　為了獲取結(jié)果記錄更多相關(guān)的圖像信息，我們提出了VTIS(Visual and Text-basedImage Search)算法。本系統(tǒng)首先找到Surface Web上與Deep Web結(jié)果記錄相關(guān)的網(wǎng)站，之后利用頁(yè)面文本信息以及頁(yè)面視覺(jué)信息對(duì)頁(yè)面中圖像