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

1、隨著網(wǎng)絡的飛速發(fā)展和人們需求的快速增長，許多網(wǎng)絡商店如卓越、當當網(wǎng)等應運而生。網(wǎng)上購物不但提供了各種各樣便宜的商品，并且沒有營業(yè)時間和空間的限制。用戶可以購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者對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、需要解決如下兩個方面的問題: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者對于不同網(wǎng)站中相同產(chǎn)品的對比及選取，本文設(shè)計并實現(xiàn)了Deep Web響應頁面中圖像信息抽取子系統(tǒng)，針對目前Deep Web網(wǎng)站中響應頁面圖像信息本身的特征，以及DOM樹結(jié)構(gòu)下的圖像路徑信息，對結(jié)果記錄圖像進行抽取。對于某些在結(jié)果記錄頁面中沒有記錄圖像信息并且這些圖像信息存在

3、于結(jié)果記錄詳細頁面中的網(wǎng)站，本系統(tǒng)通過詳細頁面的鏈接進入到該層頁面，在利用記錄屬性信息尋找到記錄塊所在位置之后，通過類似于寬度優(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，之后利用頁面文本信息以及頁面視覺信息對頁面中圖像