Deep Neural Networks for Web Page Information Extraction

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F16%3A00303112" target="_blank" >RIV/68407700:21230/16:00303112 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/68407700:21730/16:00303112

Výsledek na webu

<a href="http://link.springer.com/chapter/10.1007/978-3-319-44944-9_14" target="_blank" >http://link.springer.com/chapter/10.1007/978-3-319-44944-9_14</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-319-44944-9_14" target="_blank" >10.1007/978-3-319-44944-9_14</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Deep Neural Networks for Web Page Information Extraction

Popis výsledku v původním jazyce

Web wrappers are systems for extracting structured information from web pages. Currently, wrappers need to be adapted to a particular website template before they can start the extraction process. In this work we present a new method, which uses convolutional neural networks to learn a wrapper that can extract information from previously unseen templates. Therefore, this wrapper does not need any site-specific initialization and is able to extract information from a single web page. We also propose a method for spatial text encoding, which allows us to encode visual and textual content of a web page into a single neural net. The first experiments with product information extraction showed very promising results and suggest that this approach can lead to a general site-independent web wrapper.

Název v anglickém jazyce

Deep Neural Networks for Web Page Information Extraction

Popis výsledku anglicky

Web wrappers are systems for extracting structured information from web pages. Currently, wrappers need to be adapted to a particular website template before they can start the extraction process. In this work we present a new method, which uses convolutional neural networks to learn a wrapper that can extract information from previously unseen templates. Therefore, this wrapper does not need any site-specific initialization and is able to extract information from a single web page. We also propose a method for spatial text encoding, which allows us to encode visual and textual content of a web page into a single neural net. The first experiments with product information extraction showed very promising results and suggest that this approach can lead to a general site-independent web wrapper.

Druh

D - Stať ve sborníku

CEP obor

JC - Počítačový hardware a software

OECD FORD obor

—

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2016

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Artificial Intelligence Applications and Innovations

ISBN

978-3-319-44943-2

ISSN

1868-4238

e-ISSN

—

Počet stran výsledku

10

Strana od-do

154-163

Název nakladatele

Springer International Publishing

Místo vydání

Cham

Místo konání akce

Thessaloniki

Datum konání akce

16. 9. 2016

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000392413700014