基于WSFT模型的深层网文本获取方法
来源：计算机工程与应用杂志2017年第18期北京时间：
作者：杨贯中，李虹萱
单位：湖南大学 信息科学与工程学院，长沙 410082
摘要：Ajax技术在深层网（Deep Web）网站开发中得到了广泛应用。针对Ajax页面多状态、状态之间强关联的特性，提出一种构建WSFT（带权状态融合树）模型的方法，来进行Ajax页面文本信息预处理。引入了文本特征树作为状态指纹进行状态捕获，优化了当前Ajax页面数据采集方法，同时通过StatusRank方法计算状态转移权值来分析状态迁移信息，最后生成WSFT。实验证明，该方法能有效地获取Ajax页面多状态文本信息，并且有助于后续Web挖掘的重要文本内容提取。
关键词：Ajax爬虫,带权状态融合树,文本挖掘,文本特征树
