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:
本文介绍了一种结合STU-DOM树和文本字数统计的新闻网页正文信息抽取方法,它赋予节点语义属性后,过滤主题无关节点,最终利用相关标记包含的中文字符数从中选择包含正文信息的节点。这种策略能够准确地提取正文内容外,还无损地保留了正文中与主题相关的链接。
推荐文章
基于文本块密度和标签路径覆盖率的网页正文抽取
正文抽取
文本块密度
标签路径覆盖率
特征融合
基于分块的新闻网页信息抽取算法
网页信息抽取
模板页
分块
相同噪音块
同类噪音块
特殊噪音块
Web 信息抽取技术在吹哨系统中的研究与应用
信息抽取
舆情
数据采集
分布函数
网页结构
基于Web的新闻信息抽取
信息抽取
包装器
DOM
抽取规则
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 面向Web的新闻网页正文信息抽取策略研究
来源期刊 电脑知识与技术:学术交流 学科 工学
关键词 统计 STU树 信息抽取
年,卷(期) 2008,(S2) 所属期刊栏目
研究方向 页码范围 1-2
页数 2页 分类号 TP393.092
字数 语种
DOI
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 陈蕾蕾 南京师范大学教育技术系 6 6 1.0 2.0
2 张如静 南京师范大学教育技术系 3 25 1.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (8)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(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)
研究主题发展历程
节点文献
统计
STU树
信息抽取
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
电脑知识与技术:学术版
旬刊
1009-3044
34-1205/TP
安徽合肥市濉溪路333号
26-188
出版文献量(篇)
41621
总下载数(次)
23
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导