基于正文相关度的维吾尔网页正文提取

• 作者: 周喜 李晓 王瑞
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 正文提取 正文相关度 信息安全 自然语言处理 正文密度
• 年，卷（期）: 2012,（21）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 153-156,160
• 页数: 5页
• 分类号: TP391
• 字数: 5269字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2012.21.041

摘要

网页表达的主要信息通常隐藏在大量无关的结构与文字中,使正文信息不能被迅速获取,影响文本检测的效率.为此,根据维吾尔网页的非规范化编码、论坛型网页较多等特点,提出一种基于正文相关度的正文提取算法,并建立上下文正文密度和节点间正文比例等数学模型对算法进行改进.对大量维吾尔网页的实验结果表明,该算法具有较好的正文提取正确率和召回率,能够有效地从维吾尔网页中提取到所需的正文信息.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周喜	中国科学院新疆理化技术研究所	32	226	10.0	12.0
2	李晓	中国科学院新疆理化技术研究所	192	3933	35.0	55.0
3	王瑞	中国科学院新疆理化技术研究所	34	160	9.0	11.0