基于块分布的新闻网页内容提取
提出一种新的新闻网页内容提取方法.与已有的研究相比,它自动判别网页是否含有主内容,并且回避了模板和DOM-Tree方法所带来的局限.主要工作包括:①提出了一种网页分块方法,通过一趟遍历将网页主内容和噪声划分到不同的块中;②提出网页块分布的概念并研究了块分布的属性,根据块分布可以有效地使用分类方法来判别网页是否有主内容,采用孤立点分析的方法从网页块分布中提取主内容.本文通过理论和实验证明了该方法的有效性.
计算机应用、网页内容提取、块分布、Web挖掘
39
TP311.13(计算技术、计算机技术)
"十一五"国家科技支撑计划项目2006BA105A01;国家自然科学基金项目60773169;四川大学青年基金项目06036
2016-05-17(万方平台首次上网日期,不代表论文的发表时间)
共5页
1326-1330