郭威，纪星

（1.湖北汽车工业学院 经济管理学院,湖北 十堰442002;2.湖北省金蚂蚁网络有限公司,湖北 十堰 442000）

互联网的飞速发展使其成为全球信息传播与共享的重要资源，Web上的数据一直呈爆炸式增长，要想从Web上获取一条有用信息的难度却越来越大［1］。搜索引擎就是在这种条件下孕育而生的。而现有的搜索引擎只能提供URL集供用户浏览，但往往不能提供用户直接所需要的联系信息。基于此，本文系统地研究借助搜索引擎的结果，通过“实体”判断、正则表达式、网页分类、SV值算法结合完成提取和整合联系信息，例如电话、邮箱、QQ、地址、传真等信息。

1 提取关键信息实现过程

提取关键信息的思路就是借助于搜索引擎提供的经过处理的URL结果集，然后使用目前研究的Web信息提取技术，提取出目前指定的9个字段信息。这些信息基本上都是联系信息。本系统的实现可以分成3步：1）获取首页网址集；2）获取关键网址集；3）提取关键信息集。这3步是相互有影响的，每一步都是后一步的基础，如果没有前一步，后一步是没有任何意义的。在计算系统有效的时候，需要计算每一步之间的影响因数，只有这样，计算出来的才是最有说服力的。

1.1 获取首页网址集

这个过程分2步：1）获取搜索引擎TOP100结果集；2）处理TOP100得到TOP100中的首页结果集。

获取搜索引擎TOP100结果集：本研究所需的数据是来自于搜索引擎的结果集，所以把搜索引擎根据“查询句”得到的前100个左右的结果集，称之为“搜索引擎TOP100结果集”。

在第1）步中，通过输入查询句后，统计分析搜索引擎返回结果，发现一个有利于提高系统精度的规律，即对于某个单位。……