基于领域本体的WEB文档正文的抽取算法

• 作者: 成曦 王麒 陈海燕
• 来源期刊: 南昌大学学报（工科版）
• 学科: 工学
• 关键词: 本体 Web文档 自动 BWTE算法
• 年，卷（期）: 2009,（1）
• 页码范围: 40-44
• 页数: 5页
• 分类号: TP393
• 字数: 4882字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-0456.2009.01.010

摘要

通过分析当前Web文档抽取的主流方法以及存在的不足,提出了一种基于文本块的改进算法-BWTE (Block-base Web Text Extraction).该算法首先采用过滤的方法去除广告、超链接等比较明显的噪音信息,然后通过自底向上的文本块分块算法抽取出Web文档的正文.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	成曦	东南大学信息科学与工程学院	6	51	4.0	6.0
2	陈海燕	华东政法大学信息科学技术学院	11	52	3.0	7.0
3	王麒	华东师范大学计算机应用研究所	2	8	1.0	2.0