王宇
个人信息Personal Information
教授
硕士生导师
性别:男
毕业院校:吉林大学
学位:博士
所在单位:信息管理与信息系统研究所
学科:信息管理与电子政务
办公地点:管理楼518
电子邮箱:ywang@dlut.edu.cn
扫描关注
一种基于正文特征的新闻网页抽取方法
点击次数:
论文类型:期刊论文
发表时间:2010-08-18
发表刊物:情报杂志
收录刊物:PKU、CSSCI
卷号:29
期号:8
页面范围:122-124,54
ISSN号:1002-1965
关键字:正文特征;网页抽取;DOM模型
摘要:在统计分析了中文新闻网页的结构和内容特征的基础上,提出一种比较简单实用的基于正文特征的新闻网页抽取方法.该方法首先将HTML网页表示成基于XML的DOM树形式,利用统计的正文特征和节点信息从树中过滤掉噪音数据节点,最后再选取正文节点.该方法相比传统的基于包装器的抽取方法具有简单、实用的特点.实验结果表明,该抽取方法准确率达到94%以上,具有很好的实用价值.