首页|基于主题型页面的正文信息抽取技术研究

基于主题型页面的正文信息抽取技术研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
Web页面信息通常包含大量无关结构和HTML标记，而页面主题信息通常淹没其中，如何快速获取Web页面主题信息。本文提出了一种抽取策略，首先判定是否为主题型页面，然后提取网页正文信息，最后利用正则表达式滤除内容块中HTML标记和无关文字。实验结果表明：该方法能准确地完成主题型网页的正文抽取任务。

万文兵

展开 >

仪征技师学院，江苏仪征 211400

主题型页面 网页标题 正文抽取

2015

计算机光盘软件与应用
大恒电子音像出版社

计算机光盘软件与应用

影响因子：0.296
ISSN：1007-9599
年,卷(期)：2015.(1)
  • 1
  • 4