基于分块的网页主题信息自动提取算法

• 作者: 李猛 殷贤亮
• 来源期刊: 华中科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 网页分块 主题信息 自动提取 特征选择 网页分类
• 年，卷（期）: 2007,（10）
• 页码范围: 39-41
• 页数: 3页
• 分类号: TP309
• 字数: 2693字
• 语种: 中文
• DOI: 10.3321/j.issn:1671-4512.2007.10.012

摘要

对互联网上大量存在的基于模板的网页,根据其半结构化的特点,提出了一种网页分块和主题信息自动提取算法.该算法利用网页标记对网页进行分块,改进了传统的文本特征选择方法,把网页块表示成特征向量,并根据有序标记集识别主题内容块.用该算法改进了网页分类的预处理过程,提高了分类的速度和准确性.实验表明,对网页进行主题信息提取后再进行分类,可以提高分类系统的查全率和查准率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	殷贤亮	华中科技大学计算机科学与技术学院	9	107	5.0	9.0
2	李猛	华中科技大学计算机科学与技术学院	5	69	3.0	5.0