基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
随着Internet 的发展及其广泛应用,WEB上的信息呈爆炸式增长趋势,但是WEB页面通常包含了很多与主题内容无关的信息,影响了对主题内容的快速获取以及对WEB信息的各种应用.本文提出了一种基于DOM的WEB页面主题抽取方法,快速准确的提取出WEB页面的主题内容,并对1000个网页进行了测试.实验结果表明该方法切实可行,可达到92.46%的准确率.
推荐文章
基于DOM的网页主题信息的抽取
DOM
主题
信息抽取
分块
剪枝
基于扩展DOM树的Web页面信息抽取
DOM树
信息抽取
包装器
半结构化
Web信息抽取技术综述
Web信息抽取
网页噪声
URL聚类
DSE算法
RoadRunner系统
MDR
视觉特征
模板
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于DOM的WEB主题信息抽取
来源期刊 四川大学学报(自然科学版) 学科 工学
关键词 DOM 信息提取 分块 HTML
年,卷(期) 2008,(5) 所属期刊栏目 研究论文
研究方向 页码范围 1077-1080
页数 4页 分类号 TP311|TP393
字数 4106字 语种 中文
DOI 10.3969/j.issn.0490-6756.2008.05.015
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李志蜀 四川大学计算机学院 215 2961 28.0 46.0
2 杨俊 四川大学计算机学院 29 94 6.0 8.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (7)
共引文献  (134)
参考文献  (2)
节点文献
引证文献  (20)
同被引文献  (39)
二级引证文献  (97)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(5)
  • 参考文献(1)
  • 二级参考文献(4)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2009(3)
  • 引证文献(3)
  • 二级引证文献(0)
2010(7)
  • 引证文献(5)
  • 二级引证文献(2)
2011(7)
  • 引证文献(2)
  • 二级引证文献(5)
2012(12)
  • 引证文献(2)
  • 二级引证文献(10)
2013(19)
  • 引证文献(4)
  • 二级引证文献(15)
2014(17)
  • 引证文献(1)
  • 二级引证文献(16)
2015(21)
  • 引证文献(2)
  • 二级引证文献(19)
2016(8)
  • 引证文献(0)
  • 二级引证文献(8)
2017(13)
  • 引证文献(0)
  • 二级引证文献(13)
2018(6)
  • 引证文献(1)
  • 二级引证文献(5)
2019(3)
  • 引证文献(0)
  • 二级引证文献(3)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
DOM
信息提取
分块
HTML
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
四川大学学报(自然科学版)
双月刊
0490-6756
51-1595/N
大16开
成都市九眼桥望江路29号
62-127
1955
chi
出版文献量(篇)
5772
总下载数(次)
10
总被引数(次)
25503
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导