网页正文提取中与正文无关的图像清除技术

摘要：

因为图像相比文字具有更强的表现力,站点的设计者在设计广告时考虑的首要问题是如何吸引用户的"眼球",所以通常网页中的广告通常都是以图像的形式嵌入到网页中.这使得在HTML网页正文提取中主要处理的就是广告图像.文中综合分析了网页中图像的特点,提出了区域分块的HTML元素删除法来清除网页中的广告等无关图像并提取网页正文.实验结果表明,所提出的区域分块的HTML.元素删除法很好地解决了网页正文提取中图像处理问题.

关键词：吸引、嵌入、广告图像、区域分块、元素删除法

所属期刊栏目：20

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家科技支撑计划课题2007BAH08B04

在线出版日期：2010-09-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：17-20,24