随着互联网的快速发展,海量的数据以网页的形式发布到互联网上。传统的网页是面向用户而设计的,人们可以通过浏览器可视化的阅读信息。然而对于机器来说,这些信息是难以理解的,不仅仅是因为其使用自然语言,也因为网页的表达形式具有随意性。网页信息抽取技术是一种对网页进行深度分析的技术,其主要目的是自动的从非结构化的文档中抽取出结构化的信息。由于网页主要使用自然文本描述,因此同样面临着同文本信息抽取相似的问题与挑战。LineX是一个学术主页抽取系统,系统能够自动化的发现学术个人主页并从学术主页上抽取出作者的个人信息和每年发表文章的信息。抽取结果经过进一步分析被集成到文献检索系统中。由于作者主页在风格和内容上都存在差异,因此基于规则的抽取方法往往无法取得很好的效果。LineX的核心抽取算法基于机器学习方法,包括支持向量机模型和条件随机场模型,其中支持向量机主要用来对信息进行分类,而条件随机场则用来对信息进行字段分割提取。系统首先利用HTML标签的语义特征将页面分割成文本单元。然后对文本单元进行分类和字段提取,之后进行裁剪和规范化映射。在抽取过程中,系统充分利用利用了网页所提供的额外信息,包括标题,DOM树,标签分隔等。此外针对机器学习算法在一些情况下的盲点,使用了启发式规则来进行辅助,提高了整体的抽取效果。经过对互联网的数据进行随机抽样和测试,结果表明系统对页面的变化具有较强的适应能力,在各项信息的抽取准确率上都达到的较高的水平。实验同时说明词典特征和HTML特征对最终的识别率起到了较大的贡献。