基于图文有效信息量的网页正文定位

摘要：

在现有的网页抽取技术中,正文定位方法仅考虑网页文本信息,当正文图片信息较多、文本信息偏少时,容易出现偏差,且定位准确率较低.针对该问题,从信息论角度出发,结合网页中的文本信息图片信息,设计一种对网页中图片信息量和有效信息量的估算方法,在此基础上,提出一种基于图文信息量的网页正文定位算法.实验结果表明,该算法在不同正文文本量的情况下,均具有较高的定位准确率.

关键词：正文定位、最小正文子树、有效信息率、网页、图文

所属期刊栏目：37

分类号：N945(系统科学)

资助基金：广西自然科学基金资助项目桂科自0832059

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3页

页码：276-278