基于标签的信息抽取预处理算法

• 作者: 和晓军 李淑云 范春晓
• 来源期刊: 数字技术与应用
• 学科: 农学
• 关键词: 标签 规则 网页清冼
• 年，卷（期）: 2009,（11）
• 所属期刊栏目: 学术论坛
• 页码范围: 107-108
• 页数: 2页
• 分类号: S896.1
• 字数: 273字
• 语种: 中文

摘要

针对现有现有HTML网页的特点,提出了一种基于标签的Web 网页的清洗技术,该方法基于HTML各种标签的特点,对修饰性等与内容无关的标签进行清洗,首先界定清洗的规则,对可清洗的标签进行定义;然后根据清洗规则对HTML网页进行处理.本论文所提方法没有改变文档的半结构特点,使后续信息的抽取较之未改进有明显的优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	和晓军	沈阳理工大学信息科学与工程学院	20	78	4.0	8.0
2	范春晓	沈阳理工大学信息科学与工程学院	1	2	1.0	1.0
3	李淑云	烟台南山学院软件工程学院	1	2	1.0	1.0