一种基于数据库去除网页噪音的有效方法

• 作者: 刘同来 张万桢 蒋华
• 来源期刊: 桂林电子科技大学学报
• 学科: 工学
• 关键词: 数据库 网页噪音 类别空间模型
• 年，卷（期）: 2010,（1）
• 页码范围: 54-58
• 页数: 5页
• 分类号: TP309.2
• 字数: 3577字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-808X.2010.01.014

摘要

由于网页中大都包含有如广告、版权信息、导航链接等噪音,严重影响了网页数据的自动收集和挖掘.通过一种基于数据库去除网页噪音的有效方法,对网页噪音的处理不用将内容全部放入内存中,而是根据数据库中保存的table和div容器包含内容重复度进行消除噪音操作,一定程度上达到了净化网页的目的.将此方法应用于基于差异频度的类别空间模型的二值分类,结果表明本文提出的网页去噪方法是有效的,并且分类的正确率有了一定的改进.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蒋华	桂林电子科技大学计算机与控制学院	116	552	10.0	18.0
2	刘同来	桂林电子科技大学计算机与控制学院	9	23	2.0	4.0
3	张万桢	桂林电子科技大学计算机与控制学院	5	5	2.0	2.0