社会媒体网页内容的分割与抽取

摘要：

为实现社会媒体网页内容的分割与抽取,利用k-means算法识别出页面的频繁块并形成一个频繁簇集合,找出该集合中的主题频繁簇,对其中的频繁块结构进行自学习,无需训练样本,即可自动生成抽取规则.实验结果表明,该方法能抽取各种风格的社会媒体网页内容,具有较高的准确率和召回率.

关键词：社会媒体、DOM结构、k-means算法、自学习、抽取规则、网页内容抽取

所属期刊栏目：37

分类号：TP393(计算技术、计算机技术)

在线出版日期：2012-03-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：155-158