|
|||||
|
|
| 基于模式匹配的网页净化方法 |
|
| 引用本文： | 曾蒸,马燕, . 基于模式匹配的网页净化方法 [J]. 重庆师范大学学报(自然科学版), 2015, 0(6): 103 |
| 作者姓名： | 曾蒸 马燕 |
| 作者单位： | 重庆师范大学 传媒学院/新媒体学院,重庆 401331;重庆师范大学 计算机与信息科学学院,重庆 401331 |
| 摘 要： | 新闻网页主要由大量文字描述构成,相比网页其他区域的噪音内容,其主题内容含有大段连贯的文字。根据这一特点提出一种基于模式匹配的网页净化方法,即在网页源代码中匹配最长文字字符串,从而准确定位主题内容源代码在网页源代码中位置,实现网页净化。本方法可去除来自不同网站网页的噪音内容,无需事先训练数据集来生成模板,不需要生成网页DOM树。对同构、异构和不符合XML规范的网页净化,试验证明效果理想且性能稳定。 |
| 关 键 词： | 网页噪音 网页净化 信息提取 |
Eliminating Noisy Information in Web Pages Based on Pattern Matching |
|
| ZENG Zheng,MA Yan . Eliminating Noisy Information in Web Pages Based on Pattern Matching [J]. Journal of Chongqing Normal University:Natural Science Edition, 2015, 0(6): 103 |
|
| Authors: | ZENG Zheng MA Yan |
| Abstract: | |
| Keywords: | |
| 点击此处可从《重庆师范大学学报(自然科学版)》浏览原始摘要信息 | |
| 点击此处可从《重庆师范大学学报(自然科学版)》下载全文 | |