Web页面主题信息抽取研究与实现

• 作者: 刘艳敏 刘飚 宋国森 封化民 方勇
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: HTML 信息提取 页面结构分析 标记统计
• 年，卷（期）: 2006,（21）
• 所属期刊栏目: 数据库与信息处理
• 页码范围: 146-148
• 页数: 3页
• 分类号: TP311|TP393
• 字数: 3189字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2006.21.043

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	方勇	北京邮电大学电信工程学院	61	423	11.0	18.0
3	宋国森	燕山大学信息工程学院	8	158	5.0	8.0
4	封化民	北京电子科技学院信息安全与保密重点实验室	39	300	9.0	15.0
7	刘飚	北京邮电大学电信工程学院	2	72	2.0	2.0
8	刘艳敏	燕山大学信息工程学院	8	104	5.0	8.0