本文介绍了一种名为 FreeDOM 的新型两阶段神经方法，该方法通过结合文本和标记信息以及使用关系神经网络来捕捉更长的距离和语义关联性，可以从少量的种子站点的训练中泛化到未知的站点，而无需昂贵的手工制作特征或页面的可视化呈现。实验结果表明，FreeDOM 平均比现有技术高出近 3.7 个 F1 点。

Oct, 2020

本文提出了一种用于网页的新颖表示学习方法，称为 DOM-LM，以编码文本和 DOM 树结构，并通过自监督预训练学习 HTML 文档的可推广表示，实现了 Attribute Extraction，Open Information Extraction 和 Question Answering 等多种网页理解任务，并在少量标记数据和无标记数据的情况下表现出更好的泛化性能，适用于有限标记数据的实际应用环境。

Jan, 2022

本文提出了一种基于远程监督的半结构化网站自动提取方法，通过自动的结构对齐和标签生成获取足够完整的训练标记，再通过分类器预测新关系实例，实现了对知识库自动抽取的作用，取得了很好的实验效果。

Apr, 2018

本文介绍了 WebFormer，一种从 Web 文档中提取结构化信息的 Web 页面转换模型，借助自然语言模型和图注意力等技术，实现了序列化难以提取出的 Web 页面标记数据的结构化信息提取，通过 SWDE 和 Common Crawl 测试基准得出了比其他先进方法更优越的实验结果。

Feb, 2022

本文提出了一种命名实体抽取系统，用于检测像沃尔玛这样的电商零售商产品标题中的属性。我们发现，将条件随机场和结构化感知器等序列标注算法与策略标准化方案结合起来，可以有效地从标题中提取产品属性值。

Aug, 2016

本论文提出了一种轻量级的特征无关的信息提取 （IE）范例，可以处理语言模式不规范、长尾概念漂移等问题，特别适用于人口贩卖等非法领域；经验证明，在低监督和高监督设置下，该范例可以比传统的基于特征的条件随机场提升 18％以上的 F - 度量，并且能够漂移概念稳定性高。

Mar, 2017

该研究提出了一种基于属性的知识迁移方法，采用层次化的属性模型捕捉源数据集中的嵌套结构，提供了一种新的迁移方法，在视觉对象分析及未见过的类别分类方面取得了明显的效果优于现有方法。

Apr, 2016

利用深度学习和包裹感知算法结合手工设计的特征，我们提出了一个可一般化解析多种 HTML 元素的产品规格表述提取方法，并利用此方法从不同网站的 14,111 个规格表述块中创建了标注数据集，与目前的规格表述提取模型相比，我们的方法具有更高的准确性，且适用于大规模的产品规格提取任务。

Jan, 2022

本文提出了一种新的框架 KinGDOM，利用 ConceptNet 知识图谱中的通用知识和领域特定知识来丰富文档的语义，通过训练图卷积自编码器来学习交叉领域知识，同时利用外部常识知识来改进领域敌对基准方法的性能。它在交叉领域情感分析任务中展现出比其他最先进的方法更好的性能。

May, 2020

本研究提出了一种基于多特征融合的网页文本提取算法，建立了小型神经网络，采用多种统计信息和提取策略，适应了更多页面类型，避免了手动确定阈值的问题。

Mar, 2022