| 基于分块的新闻网页信息抽取算法 |
| |
| 引用本文： | 姬鑫,钟诚.基于分块的新闻网页信息抽取算法[J].计算机应用与软件,2015(4). |
| |
| 作者姓名： | 姬鑫 钟诚 |
| |
| 作者单位： | 广西大学计算机与电子信息学院 广西 南宁530004 |
| |
| 基金项目： | 广西科学研究与技术开发计划项目(桂科能1140008-3B)；广西研究生教育创新计划。 |
| |
| 摘 要： | 为了更彻底地清洗网页噪音,减少网页噪音对新闻内容抽取准确率的影响,提出基于模板页的相同噪音块清洗方法和基于class属性的同类噪音块和特殊噪音块清洗方法;在此基础上,利用新闻网页在内容布局结构上的特征,提出基于起始块和终止块的新闻内容抽取方法。实验结果表明,与已有的算法相比,提出的方法抽取准确率更高,能够同时适应正文内容存放在单块和多块的情形,并且有效地解决了正文内容较短时的抽取问题。
|
| 关 键 词： | 网页信息抽取 模板页 分块 相同噪音块 同类噪音块 特殊噪音块 |
BLOCKING-BASED INFORMATION EXTRACTION ALGORITHM FOR WEBPAGE OF NEWS |
| |
| Ji Xin,Zhong Cheng.BLOCKING-BASED INFORMATION EXTRACTION ALGORITHM FOR WEBPAGE OF NEWS[J].Computer Applications and Software,2015(4). |
| |
| Authors: | Ji Xin Zhong Cheng |
| |
| Abstract: | |
| |
| Keywords: | Webpage information extraction Template page Blocking Same noise block Similar noise blocks Special noise block |
| 本文献已被 万方数据 等数据库收录！ |
