作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
本文给出了一种基于扩展标记树的网页正文抽取方法,通过构建网页扩展标记树,实现对网页的清理和抽取辅助信息的完善,并设置节点坐标定位节点位置;以构成正文内容的文本节点作为正文区域标志,挑选具有最大文本覆盖范围的近邻文本节点集,并进行修正形成正文区域;通过近邻优先遍历算法,实现标题节点的定位和附加属性的抽取.实验结果表明:该方法可以实现常规文章类网页的高精度抽取,并具有良好的适应性.
推荐文章
基于标记窗的网页正文信息提取方法
标记窗
提取
文档对象模型
基于文本块密度和标签路径覆盖率的网页正文抽取
正文抽取
文本块密度
标签路径覆盖率
特征融合
基于正文结构和长句提取的网页去重算法
网页去重
正文结构树
长句提取
层次指纹
基于布局相似性的网页正文内容提取研究
布局相似性
网页正文提取
信息检索
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于扩展标记树的网页正文抽取
来源期刊 广西师范大学学报(自然科学版) 学科 工学
关键词 网页正文抽取 扩展标记树 近邻优先遍历
年,卷(期) 2011,(1) 所属期刊栏目
研究方向 页码范围 133-137
页数 分类号 TP391.3
字数 4752字 语种 中文
DOI 10.3969/j.issn.1001-6600.2011.01.027
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 夏天 49 521 12.0 22.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (21)
共引文献  (82)
参考文献  (4)
节点文献
引证文献  (3)
同被引文献  (4)
二级引证文献  (0)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(5)
  • 参考文献(1)
  • 二级参考文献(4)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(8)
  • 参考文献(0)
  • 二级参考文献(8)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(2)
  • 参考文献(2)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2013(3)
  • 引证文献(3)
  • 二级引证文献(0)
研究主题发展历程
节点文献
网页正文抽取
扩展标记树
近邻优先遍历
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
广西师范大学学报(自然科学版)
双月刊
1001-6600
45-1067/N
大16开
桂林市育才路15号
48-54
1957
chi
出版文献量(篇)
3550
总下载数(次)
1
总被引数(次)
13610
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导