|
|||||
|
|
| 一种新闻类WORD格式文件数据抽取算法研究 | |
| 作者姓名： | 张志强 王伟钧 张修军 施达 |
| 作者单位： | 成都大学计算机学院 |
| 基金项目： | 四川省教育厅教育科研项目(SCJG21A123)；;成都市教育局教育科研项目(CY2020ZG05)； |
| 摘 要： | 为了对新闻类信息进行搜索和数据分析，需要从大量保存新闻类信息的WORD文件中进行信息检索．使用人工直接检索WORD文件的方式效率较低，因此，考虑从WORD文件中抽取有用信息来构建新闻信息数据库，然后在数据库中进行数据搜索和新闻数据处理．提出一种新闻类WORD格式文件数据抽取算法，使用该算法从批量新闻类WORD文件中高效自动读取文件内容，清洗无用数据，并抽取有用信息数据构建数据库． |
| 关 键 词： | 新闻类 WORD格式 数据抽取 清洗数据 批量文件自动读取 数据库 |