Web页面主题信息抽取研究与实现

摘要：

Web页面中的主要信息通常隐藏在大量无关的特征中,如无关紧要的图片和不相关的连接,使用户不能迅速获取主题信息,限制了Web的可用性.论文提出一种网页主题内容提取的方法及相应算法,并通过人工判定的方法对来自120个网站的5 000个网页进行了测试和评估.实验结果表明该方法切实可行,可达到91.35%的准确率.

关键词：HTML、信息提取、页面结构分析、标记统计

所属期刊栏目：42

分类号：TP311;TP393(计算技术、计算机技术)

资助基金：国家高技术研究发展计划863计划60472082

在线出版日期：2006-08-16（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：146-148