王孟頔++邰泳

摘 要：随着网络招聘的普及，求职者需要浏览和筛选的数据越来越多，如何从大量的、非结构化的网络信息中快速而准确地抽取需要的信息非常重要。基于VIPS视觉分割算法，利用网页所呈现出来的布局结构和视觉特征，对招聘页面进行视觉分割处理，在页面分割的基础上，抽取特定块内的文本信息，实现了关键词查找抽取感兴趣的视觉块内信息。实验结果表明，基于VIPS的职位信息抽取技术能够有效抽取出招聘页面内重要的文本信息，优化了信息抽取结果。

关键词关键词：网络招聘;信息抽取;视觉分割;VIPS;职位信息

DOIDOI：10.11907/rjdk.151404

中图分类号：TP301

文献标识码：A 文章编号文章编号：16727800（2015）009002203

0 引言

网络招聘凭借其覆盖面广、成本低廉、有针对性和时效性等优势，已经成为大学毕业生和职员求职的首选方式。然而，随着互联网信息量指数级增长，这种新兴的招聘方式显现出一些弊端，如信息真实度低、信息处理难度大、成功率较低等。解决这些问题的关键步骤就是从网页中抽取出人们感兴趣的信息。大多数招聘页面是根据客户端用户请求，动态生成具有较强格式的半结构化网页。网页中包含的信息量很多，当我们应用于信息检索、数据分类、推荐系统和观点挖掘等领域时，会发现网页中有许多冗余信息，网页信息抽取技术将提高数据的利用率。

当前的网页信息抽取技术大多数是基于HTML标签本身，对视觉特征[1] 考虑很少。事实上最终展现给用户的是浏览器渲染过的网页，通过利用网页结构和视觉特征能有效地提高网页信息抽取系统的准确率，优化抽取结果。……