| 模板化网页主题信息的提取方法 |
| |
| 引用本文： | 欧健文,董守斌,蔡斌.模板化网页主题信息的提取方法[J].清华大学学报(自然科学版),2005,45(9):1743-1747. |
| |
| 作者姓名： | 欧健文 董守斌 蔡斌 |
| |
| 作者单位： | 华南理工大学,广东省计算机网络重点实验室,广州,510640 |
| |
| 基金项目： | 中国教育科研网格计划ChinaGrid资助项目(CG2003-CG005) |
| |
| 摘 要： | 为了消除网页噪音,有效地提取基于模板的网页主题信息,提出了一种新的信息提取方法.该方法采用机器自动学习方式生成网页集的模板;以网页链接关系中的锚点文本作为提取目标对模板进行标记,生成对应模板的提取规则;依据模板的提取规则对网页主题信息进行提取.对国内2 588个新闻网页进行了检测.实验结果表明,该方法可以快速、有效地提取模板生成的网页集主题信息,准确率达99.5%.将该方法应用于搜索引擎系统(木棉检索)中,与原来的检索系统相比较,索引文件的大小减少约50%,检索的速度和精确度也得到提高.
|
| 关 键 词： | 万维网 网页 信息提取 模板 搜索引擎 |
| 文章编号： | 1000-0054(2005)S1-1743-05 |
| 修稿时间： | 2005年5月20日 |
Topic information extraction from template web pages |
| |
| OU Jianwen,DONG Shoubin,CAI Bin.Topic information extraction from template web pages[J].Journal of Tsinghua University(Science and Technology),2005,45(9):1743-1747. |
| |
| Authors: | OU Jianwen DONG Shoubin CAI Bin |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
