共查询到19条相似文献，搜索用时 873 毫秒
1.
为了减少或根除新闻网站中大量非主题信息的干扰，提出一种新闻网页抽取方法，采用基于熵的计算和DOM树的知识，从新闻网页中抽取主题文档和相关链接。 相似文献
2.
一种通用HTML网页主题信息提取方法* 总被引：9，自引：0，他引：9
采用DOM规范，把HTML网页表示成树结构，对不同模板的HTML页面“主题”信息提取进行研究和分析，提出一种新的结点主题相关性判定方法，依据此方法判定出要抽取的主题内容，并删除无关内容，结果输出只含主题信息的HTML文档。 相似文献
3.
4.
本篇论文以去除网页噪声,整合网页内容为目标,提出了面向主题型网页,根据网页规划布局抽取网页内容的方法.算法首先分析原始网页的DOM结构生成标签树,再根据标签分类和对应节点的信息对标签树自底向上进行划分,并依据划分块的文字密度,链接密度及图片密度,分类信息块.进一步,提炼网页主题的文本特征向量,采用基于词条空间的文本相似度计算,获取划分块的主题相关度,以主题相关度为量化基准剔除噪声,识别网页主旨内容,重构页面描述.这一算法被应用于面向人才资讯的信息采集项目中,实验表明,算法适用于主题型网页的"去噪"及内容提取,具体应用中有较理想的表现. 相似文献
5.
基于主题图的学科信息门户 总被引：2，自引：0，他引：2
现有学科信息门户大多数都采用传统的知识组织方法对信息进行组织,但这些知识组织方法表现出很大的局限性,如不能表现信息内容的语义及概念之间的关系等。分析了主题图应用于学科信息门户的可行性,并提出基于主题图的学科信息门户系统结构图。 相似文献
6.
利用web文档的半结构化信息,提出一种基于DOM的web文本分割算法。该算法充分挖掘web网页中控制网页内容结构和显示的HTML标签信息,构建HTML DOM树。首先通过改进传统的平面文本分割方法,使之适用于web文本分割;然后利用DOM树中的节点平滑平面文本分割的结果,初步实验表明该算法能有效提高web文本分割的精确度。 相似文献
7.
信息抽取是从海量网页获取有价值信息的重要方式,对目标网页内容进行主题相关性判断是提高信息抽取效率和准确性的关键环节。目前的相关性判断主要采用人工筛选和文档训练的方法,这其中存在效率低、重复训练等问题,而本文尝试针对抽取任务引入主题描述模型用于网页内容的主题相关性判断。从任务的主题描述模型的角度出发,计算模型中的关键词基于标记信息的加权频率,将网页内容进行量化表示,然后分析关键词加权频率关于任务主题描述模型的变化来判断网页内容的主题相关性。最后通过对比该方法在国防产品信息抽取中结果,实验证明该方法大大提高了网页信息抽取的效率和准确性。 相似文献
8.
基于本体和DOM相结合的Web信息抽取器 总被引：1，自引：0，他引：1
针对基于Web页面信息本体的信息抽取不能准确划定抽取区域的缺点,设计基于本体和DOM相结合的Web信息抽取器。利用DOM树设计对样本页面信息项路径进行归纳学习的算法,该算法能准确划定信息抽取区域,降低页面噪声,实现对Web页面的预处理。实验表明,改进后的抽取方法提高了Web信息的抽准率。 相似文献
9.
提出了Web页面信息的自动抽取思想，并使用WebBrowser和DOM技术实现了Web页面上网页元素查找、表单自动填写、表单自动提交、自动获得查询结果并自动抽取所需信息的技术，从而实现了Web页面信息的自动抽取。文中还给出了这一方法的实现细节和示例代码。 相似文献
10.
基于GATE语义标注的Web信息的自动抽取 总被引：1，自引：0，他引：1
11.
主要介绍了我们设计的Web主题信息采集系统的一项核心工作——Web信息主题的识别，主题识别算法从构造专业性较强的主题词典着手，充分分析和考虑Web网页文本的特点，从而大大提高了主题信息采集的效率和精度，该算法同样适用于其他领域的主题信息识别。 相似文献
12.
丁一 《现代图书情报技术》2005,21(6):26-29
Web 信息检索（Information Retrieval）技术研究是应用文本检索研究的成果，它结合Web图论的思想，研究Web上的信息检索，是行之有效的Web知识发现的途径。传统HITS方法所获得的信息精确度相当低，而PageRank作为一通用的搜索方法，不能够应用于特定主题的信息获取。在充分分析了PageRank、HITS等现有算法和Web文档的相似度计算方法的基础上，提出了Web上查询特定主题相关信息发现的RG-HITS算法。它结合了Web超链接、网页知识表示的信息相关度以及HITS方法来搜索Web上特定主题的相关知识。 相似文献
13.
将语义网技术同传统的信息检索技术相结合，给出基于本体的Web信息采集框架结构，提出利用主题本体及对应词典判断主题相关度的方法，并得出实验结果和评价。 相似文献
14.
网上信息专题数据库建设 总被引：8，自引：0，他引：8
丛红日 《现代图书情报技术》2003,(4):76-77,75
网络信息检索的困难使网上信息专题数据库的建设成为数字图书馆建设的一个重要组成部分。总结了网上信息的特点，对现有的基于网络信息的服务模式进行了分析和评价，论证了网上信息专题数据库建设的必要性。重点讨论了网上信息专题数据库的建设思路及其实现方法。 相似文献
15.
基于“Topic”的语义信息组织与图书馆学的经典Subject理论密不可分,可将其视为较为抽象化的Subject理论在语义Web环境下的一种“演化”和实用化的主题技术。文章首先解读Subject和Topic的概念,并概述两种基于Topic的国际标准技术,即TopicMaps和DITA;其次,简要描述TopicMaps的技术和应用,并重点介绍在图书馆界鲜为人知的DITA技术及其应用;再次,对基于“Topic”的语义信息组织方法予以总结。 相似文献
16.
针对目前网络上的标题党新闻,提出一种标题党新闻自动识别的算法。通过分析新闻网页构成的特点,抽取出新闻标题和新闻正文;以句子关系矩阵为基础,提出一种以语句为单位的主题句抽取算法;根据句子相似度计算结果来进行判断。实验表明,本方法的识别精度可达到80%,是一种有效的方法。 相似文献
17.
论开放存取出版对科学信息交流和利用的影响 总被引：4，自引：0，他引：4
开放存取出版已经成为国际学术界、出版界、图书馆学界共同关注的重要话题。本文探讨开放存取出版带来的新的科学信息交流和利用模式,阐述它对科学信息交流和利用活动参与者的影响。 相似文献
18.
一种基于网页分割的Web信息检索方法 总被引：2，自引：0，他引：2
提出一种基于网页内容分割的Web信息检索算法。该算法根据网页半结构化的特点,按照HTML标记和网页的内容将网页进行区域分割。在建立HTML标记树的基础上,利用了的内容相似性和视觉相似性进行节点的整合。在检索和排序中,根据用户的查询,充分利用了区域信息来对相关的检索结果进行排序。 相似文献
19.
面向主题的网络竞争情报采集系统* 总被引：7，自引：0，他引：7
分析Web页面的主题特征，构建基于主题的竞争情报采集模型的框架，详细论述面向主题的信息采集策略和采集流程，进而探讨影响信息采集质量的关键因素。 相似文献