网页信息抽取及其自动文本分类的实现

• 作者: 缪建明 赵艳 赵金仿
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 标记 文本分类 信息抽取
• 年，卷（期）: 2008,（10）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 37-39
• 页数: 3页
• 分类号: TP393
• 字数: 2839字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2008.10.011

摘要

Web页面中常包含非主题信息的内容,网页必须剔除这些无用的信息后才能形成有用的文本信息.文本分类对文本信息的进一步加工处理至关重要,是信息搜索领域的另一研究课题.为了剔除网页中的无用信息,提出一种基于HTML自身结构特点的网页正文信息抽取方法,同时结合文章标题信息,实现文本自动分类的简易分类方法.该方法可以提高网页正文提取及其自动文本分类的效率.实验证明,该方法是可行的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	缪建明	中国科学院声学研究所	17	106	6.0	9.0
2	赵金仿	江苏科技大学电子信息学院	5	27	3.0	5.0
3	赵艳	江苏科技大学电子信息学院	14	69	6.0	7.0