基于分块的网页主题文本抽取

• 作者: 任玉 樊勇 郑家恒
• 来源期刊: 广西师范大学学报(自然科学版)
• 学科: 工学
• 关键词: HTML,标签 网页分块 内容特征 信息抽取
• 年，卷（期）: 2009,（1）
• 页码范围: 141-144
• 页数: 4页
• 分类号: TP391
• 字数: 3385字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-6600.2009.01.036

摘要

根据网页文本信息的结构和内容特征,提出一种网页主题文本信息的抽取策略,将网页文档表示为DOM标签树的形式,然后根据Web页面的结构特征进行内容块的分割,以网页的文本内容特征为依据识别链接型和主题型内容块,并提取主题型网页的文本信息块.实验结果表明:基于分块的方法有效地实现了链接型和主题型网页的分类,并准确地完成主题型网页的文本信息块的抽取任务,是一种简单、准确的网页信息抽取方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	任玉		1	0	0.0	0.0
2	樊勇		1	0	0.0	0.0
3	郑家恒		4	37	2.0	4.0