| 一种基于标签路径聚类的文本信息抽取算法 |
| |
| 引用本文： | 刘云峰.一种基于标签路径聚类的文本信息抽取算法[J].计算机应用与软件,2010,27(11). |
| |
| 作者姓名： | 刘云峰 |
| |
| 摘 要： | 针对网页噪音和网页非结构化信息抽取复杂度高的问题,提出一种基于标签路径(XPATH)聚类的文本信息抽取算法.该算法首先对网页噪音预处理,根据网页的DOM树结构进行标签路径聚类,通过自动训练的阈值和网页分割算法快速判定网页的关键部分,根据数据块中的嵌套结构获取网页文本抽取模板.对不同类型网站实验表明,该方法获得快速和较高准确度的效果.
|
| 关 键 词： | Xpath 网页分割 信息抽取 聚类 阈值 |
A TEXT INFORMATION EXTRACTION ALGORITHM BASED ON TAG XPATH CLUSTERING |
| |
| Liu Yunfeng.A TEXT INFORMATION EXTRACTION ALGORITHM BASED ON TAG XPATH CLUSTERING[J].Computer Applications and Software,2010,27(11). |
| |
| Authors: | Liu Yunfeng |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
