基于分块的网页主题文本抽取 (2009年)

时间:2024-06-10 20:55:07
【文件属性】:

文件名称:基于分块的网页主题文本抽取 (2009年)

文件大小:264KB

文件格式:PDF

更新时间:2024-06-10 20:55:07

自然科学 论文

根据网页文本信息的结构和内容特征,提出一种网页主题文本信息的抽取策略,将网页文档表示为 DOM标签树的形式,然后根据Web页面的结构特征进行内容块的分割,以网页的文本内容特征为依据识别链接型和主题型内容块,并提取主题型网页的文本信息块。实验结果表明:基于分块的方法有效地实现了链接型和主题型网页的分类,并准确地完成主题型网页的文本信息块的抽取任务,是一种简单、准确的网页信息抽取方法。


网友评论