基于树先剪枝的网页正文抽取方法研究
本文提出了基于树先剪枝技术和信息熵的抽取网页正文新方法。该方法通过对网页上的各种模板和正文进行分析,提取按照信息熵定位的正文网页,把该正文网页转化成DOM树,再删除噪音节点,生成抽取公共路径,抽取相关网页。经过试验验证,该方法降低了搜索的复杂度,提高了搜索的准确度,提高了搜索效率。
剪枝技术、信息熵、DOM树、网页
TP3;TG8
2013-11-26(万方平台首次上网日期,不代表论文的发表时间)
共2页
63-64
点击收藏,不怕下次找不到~
剪枝技术、信息熵、DOM树、网页
TP3;TG8
2013-11-26(万方平台首次上网日期,不代表论文的发表时间)
共2页
63-64
国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”
国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304
©天津万方数据有限公司 津ICP备20003920号-1
违法和不良信息举报电话:4000115888 举报邮箱:problem@wanfangdata.com.cn