文件名称：基于权值优化的网页正文内容提取算法 (2011年)
文件大小：856KB
文件格式：PDF
更新时间：2024-06-20 12:46:15
自然科学 论文
目前网页上出现越来越多的广告信息,使得准确抽取网页正文信息变得越来越难。针对这一问题,文中提出了一种基于权值优化的网页正文内容提取算法。该算法首先通过分析网页正文内容的特点,确定主题块的特征属性,得出这些属性的统计特征;然后,利用各个特征属性具有不同重要性的特点,使用粒子群优化算法对特征权值及阈值进行了优化和确定,使其性能得到进一步的提升;最后通过实验对该方法进行验证。结果表明,与未经权值优化的提取算法相比,在基本维持相同精确率的基础上,该方法可使网页正文内容提取的召回率提升至95.8%。