胡少荣，孟嗣仪，刘 云，张彦超，丁 飞

（北京交通大学网络舆论安全研究中心100044）

随着网络技术的飞速发展及其应用的深入，网络成为反映社会舆情的主要载体之一。舆情是指在一定的社会空间内，围绕中介性社会事件的发生、发展和变化，民众对社会管理者产生和持有的社会政治态度。它是公众通过互联网传播的对现实生活中某些热点、焦点问题所持的有较强影响力、倾向性的言论和观点。网络舆情表达快捷、信息多元，方式互动，具备传统媒体无法比拟的优势，因此越来越受到人们的关注。近些年来，随着国内网民数量的日益增长，网络舆论所具有的强大力量在一些重大新闻事件中得到了很大程度的彰显。因此科学分析舆论，对于网络舆情的正确引导和管理，具有重要的现实意义。网络作为巨大的数据源，如何从中提取出人们所关心的信息，滤除无用信息，是当今研究的热点。网络舆情分析中网页信息自动抽取技术的研究应运而生。

1 网页信息抽取技术

网络舆情分析中的网页信息抽取技术通过对网页进行处理，用一组信息描述所需要提取的信息，将其结构化后保存到数据库中，方便用户获取和利用这些信息。网页信息抽取的关键是保证信息抽取算法的准确性和健壮性。但是该技术主要的问题是要面对不断变化、更新的海量信息，并且大多数是以用于浏览,而不是用于数据操作和应用的HTML文档的形式出现。这就为网页信息抽取带来了极大的不方便。……