| 基于网页规划布局的页面主题内容抽取 |
| |
| 引用本文： | 聂卉,张津华.基于网页规划布局的页面主题内容抽取[J].情报理论与实践,2011,34(12). |
| |
| 作者姓名： | 聂卉 张津华 |
| |
| 作者单位： | 中山大学资讯管理学院,广东广州,510275 |
| |
| 基金项目： | 2008年度教育部人文社会科学研究基金项目“基于信息抽取的数字图书馆的知识获取研究”(项目批准号:08JC870013); 2009年度中山大学青年教师培育项目“智能化深度搜索引擎实现技术的研究”(项目编号:2000-3161101)的成果 |
| |
| 摘 要： | 以净化网页、提取网页主题内容为目标，提出一个基于网页规划布局的网页主题内容抽取算法。该算法依据原始网页的规划布局，通过构造标签树为网页分块分类，进而通过计算内容块的主题相关度，辨别网页主题，剔除不相关信息，提取网页主题内容。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。
|
| 关 键 词： | 网页 信息抽取 主题分析 |
Extraction of Web Page Subject-related Content Based on Layout of Web Pages |
| |
| Nie Hui et al..Extraction of Web Page Subject-related Content Based on Layout of Web Pages[J].Information Studies:Theory & Application,2011,34(12). |
| |
| Authors: | Nie Hui |
| |
| Institution: | Nie Hui et al. |
| |
| Abstract: | To purify the web pages and extract the web page subject-related content,this paper proposes a web page subject-related content extraction method based on the layout of web pages.The algorithm relies on the layout of the original web pages and uses the tag-tree to partition and classify the web pages.The paper further extracts the web page subject-related content by computing the subject correlations of the content block,distinguishing the web page subjects and eliminating the unrelated information.The expe... |
| |
| Keywords: | web page information extraction subject analysis |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
