|
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
基于正文特征及网页结构的主题网页信息抽取
点击次数：
论文类型：期刊论文
发表时间：2012-10-21
发表刊物：计算机工程与应用
收录刊物：ISTIC、CSCD
卷号：48
期号：30
页面范围：151-156
ISSN号：1002-8331
关键字：正文特征;标签信息;正文抽取
摘要：Web正文信息抽取是信息检索、文本挖掘等Web信息处理工作的基础.在统计分析了主题网页的正文特征及结构特征的基础上,提出了一种结合网页正文信息特征及HTML标签特点的主题网页正文信息抽取方法.在将Web页面解析成DOM树的基础上,根据页面DOM树结构获取正文信息块,分析正文信息块块内噪音信息的特点,去除块内噪音信息.实验证明,这种方法具有很好的准确率及召回率.