.png){kind=icon}
返回
WebGCN: Web Information Extraction Algorithm Based on Graph Neural Networks
.png){kind=icon}
PRE
AI
DOI：10.1007/978-981-95-3061-8_5.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
电子商务平台具有复杂且动态变化的网页结构。传统网络爬虫和基于规则的信息提取方法难以适应这些挑战，导致维护成本高且提取效率低。为解决这一问题，本文提出了一种基于图神经网络（GNN）的网页信息提取算法WebGCN，该算法通过将HTML结构整合到网页文档表示中有效利用了HTML结构，并融合了图注意力、稀疏注意力和局部注意力机制，以降低全局计算复杂度同时提升提取精度。在多个真实电子商务数据集上的实验表明，WebGCN达到了当前最佳性能。
Keyword:
E-commerce Webpages
Information Extraction
Graph Neural Networks
期刊
K
IF:
0
论文数:
29
被引数:
0
机构
引用论文
MarkupLM: Pre-training of Text and Markup Language for Visually Rich Document UnderstandingMarkupLM：用于视觉丰富文档理解的文本和标记语言预训练
OAAI
OAAI分享收藏分享收藏Learning to Extract Attribute Value from Product via Question Answering: A Multi-task Approach.png)
Proceedings of the 26th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining
OAAI
Proceedings of the 26th ACM SIGKDD International Conference on Knowledge Discovery & Data MiningIF0
OAAI分享收藏LayoutLMv2: Multi-modal Pre-training for Visually-rich Document UnderstandingLayoutLMv2: 多模态预培训，实现丰富的视觉文档理解OAAI
OAAI分享收藏 没有更多内容
没有更多内容