Web页面主题信息抽取研究与实现

被引：35

作者：

刘艳敏 ^{[1
]}

刘飚 ^{[2
]}

封化民 ^{[3
]}

宋国森 ^{[1
]}

方勇 ^{[2
]}

机构：

[1] 燕山大学信息工程学院

[2] 北京邮电大学电信工程学院

[3] 北京电子科技学院信息安全与保密重点实验室

来源：

计算机工程与应用 | 2006年 / 21期

关键词：

HTML; 信息提取; 页面结构分析; 标记统计;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

120506 [数字人文];

摘要：

Web页面中的主要信息通常隐藏在大量无关的特征中,如无关紧要的图片和不相关的连接,使用户不能迅速获取主题信息,限制了Web的可用性。论文提出一种网页主题内容提取的方法及相应算法,并通过人工判定的方法对来自120个网站的5000个网页进行了测试和评估。实验结果表明该方法切实可行,可达到91.35%的准确率。

引用

页码：146 / 148

页数：3