| 基于网页分块的正文信息提取方法 |
| |
| 引用本文： | 黄玲,陈龙.基于网页分块的正文信息提取方法[J].计算机应用,2008,28(Z2). |
| |
| 作者姓名： | 黄玲 陈龙 |
| |
| 作者单位： | 重庆邮电大学计算机科学与技术研究所,重庆,400065 |
| |
| 基金项目： | 重庆中自然科学基金资助项目
|
| |
| 摘 要： | 网页主题信息通常湮没在大量的无关文字和HTML标记中,给应用程序迅速获取主题信息增加的难度.提出了一种基于网页分块的正文信息抽取方法.该方法首先识别和提取网页正文内容块,然后利用正则表达式和简单的判别规则内容块滤除内容块中的HTML标记和无关文字.实验证明,该方法能够准确地提取网页正文信息,且通用性较强,易于实现.
|
| 关 键 词： | Web信息抽取 主题内容块 网页正文信息 |
Web information extraction based on visual block segmentation |
| |
| HUANG Ling,CHEN Long.Web information extraction based on visual block segmentation[J].journal of Computer Applications,2008,28(Z2). |
| |
| Authors: | HUANG Ling CHEN Long |
| |
| Affiliation: | HUANG Ling,CHEN Long(Institute of Computer Science , Technology,Chongqing University of Posts , Telecommunication,Chongqing 400065,China) |
| |
| Abstract: | Web pages always contain large numbers of irrelevant words and HTML tags except for informative information.This enhances the difficulties of extracting informative information from Web pages quickly.A method of extract informative information based on user's interest is proposed.The experimental results prove that this method is good universality and can obtain informative message accurately,so our approach is easy to realize. |
| |
| Keywords: | Web information extraction informative content block main text of Web page |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
