基于局部最优标签树的网页净化方法

• 作者: 彭涛 杨华千 胡飞 蒲昌玖 韦鹏程
• 来源期刊: 科学技术与工程
• 学科: 工学
• 关键词: 网页净化 信息提取 HTML标签 局部最优 网页噪音
• 年，卷（期）: 2012,（35）
• 所属期刊栏目: 论文
• 页码范围: 9556-9561
• 页数: 6页
• 分类号: TP391.1
• 字数: 5120字
• 语种: 中文

摘要

新闻网页里面包含大量文字分段标签,相比网页其它区域的噪音内容,其主题内容区域的文字分段标签较多.根据这一特点引入局部最优标签树搜索算法.通过搜寻同级节点中分段标签最多的容器节点,消除其它容器节点,从而实现网页净化方法.实验证明方法实现简单、净化效果明显,特别是对新闻类主题文字网页净化效果显著.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韦鹏程	重庆第二师范学院数学与信息工程系	12	15	3.0	3.0
2	杨华千	重庆第二师范学院网络中心	3	6	2.0	2.0
3	蒲昌玖	重庆第二师范学院网络中心	8	33	3.0	5.0
4	胡飞	重庆第二师范学院网络中心	12	17	3.0	3.0
5	彭涛	重庆第二师范学院网络中心	2	4	1.0	2.0