网页正文提取中与正文无关的图像清除技术

• 作者: 常红要 朱征宇
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 吸引 嵌入 广告图像 区域分块 元素删除法
• 年，卷（期）: 2010,（7）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 17-20,24
• 分类号: TP391.4
• 字数: 5688字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2010.07.005

摘要

因为图像相比文字具有更强的表现力,站点的设计者在设计广告时考虑的首要问题是如何吸引用户的"眼球",所以通常网页中的广告通常都是以图像的形式嵌入到网页中.这使得在HTML网页正文提取中主要处理的就是广告图像.文中综合分析了网页中图像的特点,提出了区域分块的HTML元素删除法来清除网页中的广告等无关图像并提取网页正文.实验结果表明,所提出的区域分块的HTML.元素删除法很好地解决了网页正文提取中图像处理问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱征宇	重庆大学计算机学院	86	1360	20.0	33.0
2	常红要	重庆大学计算机学院	4	115	3.0	4.0