一种基于特征符号的网页主题信息抽取方法

• 作者: 张明 朱敏 牛颢 王舒 赵瑜
• 来源期刊: 计算机应用研究
• 关键词: 生成树模型 特征符号 相关度 主题提取
• 年，卷（期）: 2009,（12）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 4539-4541
• 页数: 3页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2009.12.039

摘要

随着Internet网络的日益普及,Web上的海量数据给文本挖掘尤其是网页主题提取带来了更多的挑战,现有的文本提取方法在保证高准确率的同时无法满足Web挖掘方法的通用性.通过对Web网页结构进行研究,对网页生成树模型进行了改进,找到网页结构的通用规则,提出一种基于特征符号的提取方法CECS(content extraction characteristic symbols),结合相关度对网页主题内容进行提取.实验证明,所提算法具有很高的准确性和通用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱敏	四川大学计算机学院	79	472	12.0	18.0
2	赵瑜	四川大学计算机学院	13	43	3.0	6.0
3	王舒	四川大学计算机学院	8	35	4.0	5.0
4	张明		3	26	2.0	3.0
5	牛颢	四川大学计算机学院	3	13	2.0	3.0