利用HTML标签筛选网页分类样本

• 作者: 侯小静 王黎明
• 来源期刊: 微机发展
• 学科: 工学
• 关键词: 超文本标识语言 文档对象模型 标签 网页分类
• 年，卷（期）: 2005,（3）
• 所属期刊栏目: 网络与通信
• 页码范围: 142-144
• 页数: 3页
• 分类号: TP393
• 字数: 2611字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2005.03.046

摘要

互联网的Web网页中蕴藏着内容广泛、形式各异的信息资源,通过网页的自动分类可以更好地对其内容进行组织和管理,加快信息检索的速度.在训练网页分类器时,对网页样本集进行有效地筛选有可能改善分类器的性能.文中利用HTML文档的结构特点,基于标签对网页样本集进行筛选,从中去除索引型和表格型网页,实验表明,这种方法有一定的可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王黎明	郑州大学信息工程学院	81	602	14.0	20.0
2	侯小静	郑州大学信息工程学院	1	10	1.0	1.0