| 基于分块的网页主题文本抽取 |
| |
| 引用本文： | 任玉,樊勇,郑家恒.基于分块的网页主题文本抽取[J].广西师范大学学报(自然科学版),2009,27(1). |
| |
| 作者姓名： | 任玉 樊勇 郑家恒 |
| |
| 作者单位： | 山西大学,计算机与信息技术学院,计算智能与中文信息处理教育部重点实验室,山西,太原,030006 |
| |
| 摘 要： | 根据网页文本信息的结构和内容特征,提出一种网页主题文本信息的抽取策略,将网页文档表示为DOM标签树的形式,然后根据Web页面的结构特征进行内容块的分割,以网页的文本内容特征为依据识别链接型和主题型内容块,并提取主题型网页的文本信息块.实验结果表明:基于分块的方法有效地实现了链接型和主题型网页的分类,并准确地完成主题型网页的文本信息块的抽取任务,是一种简单、准确的网页信息抽取方法.
|
| 关 键 词： | HTML 标签 网页分块 内容特征 信息抽取 |
Extraction of Topical Text from Web Pages Based on Page Segmentation |
| |
| REN Yu,FAN Yong,ZHENG Jia-heng.Extraction of Topical Text from Web Pages Based on Page Segmentation[J].Journal of Guangxi Normal University(Natural Science Edition),2009,27(1). |
| |
| Authors: | REN Yu FAN Yong ZHENG Jia-heng |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 维普 万方数据 等数据库收录！ |
|
