-
题名基于DOM的网页主题信息自动提取
认领
引用
被引量：82
- 1
-
-
作者
王琦
唐世渭
杨冬青
王腾蛟
-
机构
北京大学视觉与听觉信息处理国家重点实验室
北京大学计算机科学与技术系
-
出处
《计算机研究与发展》
EI
北大核心
2004年第10期1786-1792,共7页
-
基金
国家"九七三"重点基础研究发展规划基金项目 (G19990 3 2 70 5 )
国家"八六三"高技术研究发展计划基金项目数据库管理系统及其应用重大专项课题 ( 2 0 0 2AA4Z3 440 )
-
摘要
Web页面所表达的主要信息通常隐藏在大量无关的结构和文字中 ,使用户不能迅速获取主题信息 ,限制了Web的可用性 ,信息提取有助于解决这一问题 基于DOM规范 ,针对HTML的半结构化特征和缺乏语义描述的不足 ,提出含有语义信息的STU DOM树模型 将HTML文档转换为STU DOM树 ,并对其进行基于结构的过滤和基于语义的剪枝 ,能够准确地提取出主题信息 方法不依赖于信息源 ,而且不改变源网页的结构和内容 ,是一种自动、可靠和通用的方法 具有可观的应用价值 。
-
关键词
DOM
信息提取
分块
STU
STU树
STU-DOM树
相关度
-
Keywords
DOM
information extraction
partition
STU
STU tree
STU-DOM tree
correlativity
-
分类号
TP393.092
[自动化与计算机技术—计算机应用技术]
-
-
题名基于DIV标签树的网页主题信息抽取方法
认领
引用
被引量：1
- 2
-
-
作者
欧阳柳波
杨柱
易显
-
机构
湖南大学软件学院
-
出处
《计算机系统应用》
2010年第7期193-196,139,共4页
-
基金
国家自然科学基金(60970098
60803024)
-
摘要
随着CSS+DIV布局方式逐渐成为网页结构布局的主流,对此类网页进行高效的主题信息抽取已成为专业搜索引擎的迫切任务之一。提出一种基于DIV标签树的网页主题信息抽取方法,首先根据DIV标签把HTML文档解析成DIV森林,然后过滤掉DIV标签树中的噪声结点并且建立STU-DIV模型树,最后通过主题相关度分析和剪枝算法,剪掉与主题信息无关的DIV标签树。通过对多个新闻网站的网页进行分析处理,实验证明此方法能够有效地抽取新闻网页的主题信息。
-
关键词
主题信息抽取
DIV标签树
STU-DIV模型树
主题相关度
剪枝算法
-
Keywords
extraction of topic information
DIV tag-tree
STU-DIV model-tree
topic corelation
Cut-Tree algorithm
-
分类号
TP393.092
[自动化与计算机技术—计算机应用技术]
-
-
题名一种基于信息熵的Web页面主题信息抽取方法
认领
引用
被引量：6
- 3
-
-
作者
贺智平
徐学洲
李爱玲
-
机构
西安电子科技大学软件工程研究所
-
出处
《计算机工程与应用》
北大核心
2007年第4期164-166,共3页
-
摘要
提出了一种剪枝信息熵增较大结点的信息抽取方法。通过对HTML文档解析来构造DOM树,根据配置过滤掉不需处理的相关内容并建立语义模型树,最后对熵增超过阈值的结点进行剪枝并输出抽取的主题信息页面,初步实验结果验证了用这种方法进行Web页面信息抽取的有效性。方法的数学模型简单可靠,基本不需要人工干预即可完成主题信息抽取。可应用于Web数据挖掘系统以及PDA等移动设备的信息获取方面。
-
关键词
Web
抽取
STU-DOM树
信息熵
-
Keywords
Web
extraction
STU-DOM tree
information entropy
-
分类号
TP393.092
[自动化与计算机技术—计算机应用技术]
-
-
题名面向Web的新闻网页正文信息抽取策略研究
认领
引用
- 4
-
-
作者
陈蕾蕾
张如静
-
机构
南京师范大学教育技术系
-
出处
《电脑知识与技术》
2008年第S2期1-2,共2页
-
摘要
本文介绍了一种结合STU-DOM树和文本字数统计的新闻网页正文信息抽取方法,它赋予节点语义属性后,过滤主题无关节点,最终利用相关标记包含的中文字符数从中选择包含正文信息的节点。这种策略能够准确地提取正文内容外,还无损地保留了正文中与主题相关的链接。
-
关键词
统计
STU树
信息抽取
-
Keywords
statistical
STU-DOM tree
information extraction
-
分类号
TP393.092
[自动化与计算机技术—计算机应用技术]
-
![使用中文期刊助手扫码登录]()
使用中文期刊助手 扫描二维码
渝公网安备 50019002500403号违法和不良信息举报中心举报邮箱：jubao@cqvip.com