|
|||||
|
|
| 基于分块的网页正文信息提取算法研究 | |
| 引用本文： | 黄文蓓,杨静,顾君忠.基于分块的网页正文信息提取算法研究[J].计算机应用,2007,27(B06):24-26,30. |
| 作者姓名： | 黄文蓓 杨静 顾君忠 |
| 作者单位： | 华东师范大学计算机科学技术系,上海200062 |
| 基金项目： | 上海市科学技术委员会科技攻关项目（055115001） |
| 摘 要： | 提出并实现了一种从Web页面获取正文的方法。该方法包括2个步骤：网页分块和对内容块的取舍。网页分块采用了一种自底向上分析标签树的自动分块算法，该算法比起以往方法更准确，并且对于复杂结构的页面分块效果更好。通过引入块的重要度和块特征分析每个内容块，来辨别出含有正文的内容块。实验结果表明本方法切实可行并且具有较高的准确性。 |
| 关 键 词： | Web网页正文提取 内容块 标签树 噪音 |
| 文章编号： | 1001-9081（2007）S1-0024-03 |
| 修稿时间： | 2006-12-21 |
| 本文献已被 维普 等数据库收录！ | |