基于机器学习的网页正文提取方法

• 作者: 安增文 徐杰锋 王超
• 来源期刊: 微型机与应用
• 学科: 工学
• 关键词: 信息提取 神经网络 统计学习
• 年，卷（期）: 2010,（12）
• 页码范围: 4-6
• 分类号: TP391
• 字数: 2687字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-7720.2010.12.002

摘要

先将网页转换为规范的DOM树,然后计算每行文本的文本密度、与标题相关度等值,并将其作为输入参数利用BP神经网络进行训练,进而形成抽取规则,最后通过实验验证该方法的可行性.