文件名称：论文研究-一种基于特征符号的网页主题信息抽取方法.pdf
文件大小：341KB
文件格式：PDF
更新时间：2022-08-11 15:32:53
生成树模型,特征符号,相关度,主题提取
随着Internet网络的日益普及，Web上的海量数据给文本挖掘尤其是网页主题提取带来了更多的挑战，现有的文本提取方法在保证高准确率的同时无法满足Web挖掘方法的通用性。通过对Web网页结构进行研究，对网页生成树模型进行了改进，找到网页结构的通用规则，提出一种基于特征符号的提取方法CECS（content extraction characteristic symbols），结合相关度对网页主题内容进行提取。实验证明，所提算法具有很高的准确性和通用性。