一种基于随机森林回归的HTML列表行XPath生成方法、系统及计算机程序产品

本申请涉及网络数据处理和机器学习领域，特别是一种基于随机森林回归的HTML列表行XPath生成方法、系统及计算机程序产品。本发明的方法通过爬虫技术获取待解析的含列表行的HTML文档，然后使用特征提取模型提取HTML文档的节点特征，并按照节点类型对节点特征进行平衡分类，然后通过随机森林回归算法计算每个节点成为列表行的概率值，并输出概率值最高的节点的XPath信息作为提取结果。本发明的方法能够有效提高从多样化HTML结构中自动识别和提取列表行的准确性和效率。本发明不仅优化了数据抽取流程，还为进一步的数据分析和处理提供了支持，具有广泛的应用前景。