基于结构与内容的网页主题信息提取研究

被引：40

作者：

吴鹏飞

孟祥增

刘俊晓

马凤娟

机构：

[1] 山东师范大学传播学院

来源：

山东大学学报(理学版) | 2006年 / 03期

关键词：

映射表; 启发式规则; HTML; 区域分割; 向量空间模型;

D O I：

暂无

中图分类号：

TP393.092 []; TP391.1 [文字信息处理];

学科分类号：

120506 [数字人文];

摘要：

结合HTML网页内部特征与外部的结构布局,提出采用映射表这种网页映射模式对网页视图进行变换,基于结构与启发式规则对网页进行区域分割与识别,并利用向量空间模型对网页内容分析,从而准确得到具有高语义内聚性的网页主题内容.实验结果表明,此方法对各种复杂结构的网页主题信息提取较为理想.

引用

页码：131 / 134

页数：4

共 8 条

[1]

基于标记树的Web页面区域划分和搜索方法 [J].

胡飞 .

计算机科学, 2005, (08) :182-185

[2]

基于分块的网页信息解析器的研究与设计 [J].

于满泉 ;

陈铁睿 ;

许洪波 .

计算机应用, 2005, (04) :974-976

[3]

基于DOM的网页主题信息自动提取 [J].

王琦 ;

唐世渭 ;

杨冬青 ;

王腾蛟 .

计算机研究与发展, 2004, (10) :1786-1792

[4]

基于标记树表示方法的页面结构分析 [J].

常育红 ;

姜哲 ;

朱小燕 ;

不详 .

计算机工程与应用 , 2004, (16) :129-132

[5]

网页版面中区域几何信息的确定 [J].

朱精南 ;

赵明生 .

计算机工程, 2004, (10) :45-48

[6]

Web页面信息块的自动分割 [J].

瞿有利 ;

于浩 ;

徐国伟 ;

西野文人 .

中文信息学报, 2004, (01) :6-13

[7]

Web页面清洗技术的研究与实现 [J].

周源远 ;

王继成 ;

郑刚 ;

张福炎 .

计算机工程, 2002, (09) :48-50+197

[8]

数据挖掘与OLAP理论与实务.[M].林杰斌等编著;.清华大学出版社.2003,

← 1 →