基于图文有效信息量的网页正文定位

• 作者: 俞闽敏 梁正友 欧杰
• 来源期刊: 计算机工程
• 学科: 地球科学
• 关键词: 正文定位 最小正文子树 有效信息率 网页 图文
• 年，卷（期）: 2011,（23）
• 所属期刊栏目: 开发研究与设计技术
• 页码范围: 276-278
• 分类号: N945
• 字数: 4259字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2011.23.093

摘要

在现有的网页抽取技术中,正文定位方法仅考虑网页文本信息,当正文图片信息较多、文本信息偏少时,容易出现偏差,且定位准确率较低.针对该问题,从信息论角度出发,结合网页中的文本信息图片信息,设计一种对网页中图片信息量和有效信息量的估算方法,在此基础上,提出一种基于图文信息量的网页正文定位算法.实验结果表明,该算法在不同正文文本量的情况下,均具有较高的定位准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁正友	广西大学计算机与电子信息学院	66	590	13.0	22.0
2	俞闽敏	广西大学计算机与电子信息学院	4	14	2.0	3.0
3	欧杰	广西大学计算机与电子信息学院	1	8	1.0	1.0