Web页面上用户的商品评论信息已成为影响电子商务消费者进行购买决策时的关键因素之一。近年来随着电子商务的发展,关于商品的评论信息呈指数级增长,从而导致潜在用户难以在这些大量信息中寻找到有参考的评论信息,大大减低了评论信息的应用范围。论文将通过对web页面评论信息现有系统结构和抽取算法的分析,结合信息抽取课题,研究如何在大规模web页面评论信息下确保抽取的高准确性和高效性。论文在分析典型web页面信息抽取系统和算法的基础上,根据现有系统的优缺点和抽取算法的不足,提出了基于树权值的信息抽取算法,该算法通过对抓取到的web页面转化为标签树结构,将标签树进行噪音去除等预处理后,自底而上的为每个树节点赋上权值,使得不同层次不同标签的节点具有不同的权值,然后根据相似树和位置连续性来识别出数据记录区域,包含数据记录的标签树集进行树对准操作后生成基准树作为抽取模板,最后根据抽取模板对数据记录进行对准和抽取。该算法具有很强的自适应性,能根据不同评论信息的结构产生不同的抽取模板,同时不需要过多的人为干预,抽取结果显示该算法在抽取上有较好的效果。基于这个算法,论文设计了一个将单个web页面转化为标签树,从标签树中识别出数据记录区域,然后将数据记录对准后产生模板,最后将属性标注过的模板从一系列web页面中抽取信息的系统。对实现这个算法的系统与其他算法的系统进行了实验对比,结果表明该系统在无需人为过多的干预,具有高度自动化的同时,也具有较高的准确性,同时在运行时间上远远优于其他系统。