[发明专利]可扩展的web数据提取

摘要

示例实施例涉及可扩展的web数据提取。在示例实施例中，定义用于从web页面提取的web数据的数据记录片段的联合势函数，其中联合势函数模拟web数据的数据记录分割和多个数据记录片段中的成对的数据片段之间的依赖性。在该阶段，从数据记录片段中识别主记录片段和若干相关记录片段，其中多个相关记录片段中的每个与主记录片段相关联。确定用于每个相关记录片段的相关属性。接下来，将联合势函数应用于主记录片段和每个对应的相关片段，以确定描述主记录片段和对应的相关片段之间的数据关系的关系标签。

主权项

一种用于可扩展的web数据提取的计算装置，所述计算装置包括：处理器，用于定义用于从web页面提取的web数据的多个数据记录片段的联合势函数，其中所述联合势函数模拟所述web数据的数据记录分割和所述多个数据记录片段中的成对的数据片段之间的依赖性；从所述多个数据记录片段中识别主记录片段和多个相关记录片段，其中所述多个相关记录片段中的每个与所述主记录片段相关联；确定多个相关属性，其中所述多个相关属性中的每个属性与所述多个相关记录片段中的对应的相关片段相关联；以及将所述联合势函数应用于所述主记录片段和每个对应的相关片段，以确定描述所述主记录片段和所述对应的相关片段之间的数据关系的对应的关系标签。