| 基于扩展标记树的网页正文抽取 |
| |
| 引用本文： | 夏天.基于扩展标记树的网页正文抽取[J].广西师范大学学报(自然科学版),2011,29(1):133-137. |
| |
| 作者姓名： | 夏天 |
| |
| 作者单位： | 数据工程与知识工程教育部重点实验室,北京,100872;中国人民大学,信息资源管理学院,北京,100872 |
| |
| 基金项目： | 国家自然科学基金，教育部科学技术研究重点项目，中国人民大学科学研究基金 |
| |
| 摘 要： | 本文给出了一种基于扩展标记树的网页正文抽取方法,通过构建网页扩展标记树,实现对网页的清理和抽取辅助信息的完善,并设置节点坐标定位节点位置;以构成正文内容的文本节点作为正文区域标志,挑选具有最大文本覆盖范围的近邻文本节点集,并进行修正形成正文区域;通过近邻优先遍历算法,实现标题节点的定位和附加属性的抽取.实验结果表明:该...
|
| 关 键 词： | 网页正文抽取 扩展标记树 近邻优先遍历 |
Content Extraction of Web Page Based on Extended Label Tree |
| |
| XIA Tian.Content Extraction of Web Page Based on Extended Label Tree[J].Journal of Guangxi Normal University(Natural Science Edition),2011,29(1):133-137. |
| |
| Authors: | XIA Tian |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
