钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
首页
论文降重
免费查重
学术期刊
学术导航
任务中心
论文润色
登录
文献导航
学科分类
>
综合
工业技术
科教文艺
医药卫生
基础科学
经济财经
社会科学
农业科学
哲学政法
社会科学II
哲学与人文科学
社会科学I
经济与管理科学
工程科技I
工程科技II
医药卫生科技
信息科技
农业科技
数据库索引
>
中国科学引文数据库
工程索引(美)
日本科学技术振兴机构数据库(日)
文摘杂志(俄)
科学文摘(英)
化学文摘(美)
中国科技论文统计与引文分析数据库
中文社会科学引文索引
科学引文索引(美)
中文核心期刊
cscd
ei
jst
aj
sa
ca
cstpcd
cssci
sci
cpku
默认
篇关摘
篇名
关键词
摘要
全文
作者
作者单位
基金
分类号
搜索文章
搜索思路
钛学术文献服务平台
\
学术期刊
\
工业技术期刊
\
自动化技术与计算机技术期刊
\
计算机工程期刊
\
结合网页结构与文本特征的正文提取方法
结合网页结构与文本特征的正文提取方法
作者:
张玉芳
熊忠阳
牙漫
蔺显强
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
正文提取
网页去噪
网页分块
主题爬行
信息检索
Web挖掘
摘要:
网页中存在正文信息以及与正文无关的信息,无关信息的存在对Web页面的分类、存储及检索等带来负面的影响。为降低无关信息的影响,从网页的结构特征和文本特征出发,提出一种结合网页结构特征与文本特征的正文提取方法。通过正则表达式去除网页中的无关元素,完成对网页的初次过滤。根据网页的结构特征对网页进行线性分块,依据各个块的文本特征将其区分为链接块与文本块,并利用噪音块连续出现的结果完成对正文部分的定位,得到网页正文信息。实验结果表明,该方法能够快速准确地提取网页的正文内容。
暂无资源
收藏
引用
分享
推荐文章
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
文献信息
引文网络
相关学者/机构
相关基金
期刊文献
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
结合网页结构与文本特征的正文提取方法
来源期刊
计算机工程
学科
工学
关键词
正文提取
网页去噪
网页分块
主题爬行
信息检索
Web挖掘
年,卷(期)
2013,(12)
所属期刊栏目
人工智能及识别技术
研究方向
页码范围
200-203,210
页数
5页
分类号
TP18
字数
5096字
语种
中文
DOI
10.3969/j.issn.1000-3428.2013.12.043
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
熊忠阳
重庆大学计算机学院
135
2447
25.0
44.0
2
张玉芳
重庆大学计算机学院
125
2737
26.0
48.0
3
牙漫
重庆大学计算机学院
2
58
2.0
2.0
4
蔺显强
重庆大学计算机学院
1
37
1.0
1.0
传播情况
被引次数趋势
(/次)
(/年)
引文网络
引文网络
二级参考文献
(8)
共引文献
(96)
参考文献
(5)
节点文献
引证文献
(37)
同被引文献
(66)
二级引证文献
(19)
2002(2)
参考文献(0)
二级参考文献(2)
2004(5)
参考文献(1)
二级参考文献(4)
2005(2)
参考文献(1)
二级参考文献(1)
2007(1)
参考文献(0)
二级参考文献(1)
2008(1)
参考文献(1)
二级参考文献(0)
2012(2)
参考文献(2)
二级参考文献(0)
2013(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)
2014(4)
引证文献(4)
二级引证文献(0)
2015(8)
引证文献(7)
二级引证文献(1)
2016(6)
引证文献(5)
二级引证文献(1)
2017(9)
引证文献(5)
二级引证文献(4)
2018(19)
引证文献(14)
二级引证文献(5)
2019(8)
引证文献(2)
二级引证文献(6)
2020(2)
引证文献(0)
二级引证文献(2)
研究主题发展历程
节点文献
正文提取
网页去噪
网页分块
主题爬行
信息检索
Web挖掘
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
计算机工程
主办单位:
华东计算技术研究所
上海市计算机学会
出版周期:
月刊
ISSN:
1000-3428
CN:
31-1289/TP
开本:
大16开
出版地:
上海市桂林路418号
邮发代号:
4-310
创刊时间:
1975
语种:
chi
出版文献量(篇)
31987
总下载数(次)
53
总被引数(次)
317027
期刊文献
相关文献
1.
基于正文结构和长句提取的网页去重算法
2.
基于标记窗的网页正文信息提取方法
3.
基于文本块密度和标签路径覆盖率的网页正文抽取
4.
基于布局相似性的网页正文内容提取研究
5.
使用特征文本密度的网页正文提取
6.
基于文本行特征的网页正文信息抽取方法研究
7.
基于网页结构与链接关系的中文文本分类方法
8.
网页文本信息自动提取技术综述
9.
基于特征串的网页文本并行去重算法
10.
基于文本块密度与标签路径等特征的正文提取
11.
基于正文特征及网页结构的主题网页信息抽取
12.
基于正文相关度的维吾尔网页正文提取
13.
融合结构和内容特征提取多类型网页文本要素
14.
灵活结构网页的正文提取
15.
一种基于特征符号的网页主题信息抽取方法
推荐文献
钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
首页
论文降重
免费查重
学术期刊
学术导航
任务中心
论文润色
登录
根据相关规定,获取原文需跳转至原文服务方进行注册认证身份信息
完成下面三个步骤操作后即可获取文献,阅读后请
点击下方页面【继续获取】按钮
钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
原文合作方
继续获取
获取文献流程
1.访问原文合作方请等待几秒系统会自动跳转至登录页,首次访问请先注册账号,填写基本信息后,点击【注册】
2.注册后进行实名认证,实名认证成功后点击【返回】
3.检查邮箱地址是否正确,若错误或未填写请填写正确邮箱地址,点击【确认支付】完成获取,文献将在1小时内发送至您的邮箱
*若已注册过原文合作方账号的用户,可跳过上述操作,直接登录后获取原文即可
点击
【获取原文】
按钮,跳转至合作网站。
首次获取需要在合作网站
进行注册。
注册并实名认证,认证后点击
【返回】按钮。
确认邮箱信息,点击
【确认支付】
, 订单将在一小时内发送至您的邮箱。
*
若已经注册过合作网站账号,请忽略第二、三步,直接登录即可。
期刊分类
期刊(年)
期刊(期)
期刊推荐
一般工业技术
交通运输
军事科技
冶金工业
动力工程
化学工业
原子能技术
大学学报
建筑科学
无线电电子学与电信技术
机械与仪表工业
水利工程
环境科学与安全科学
电工技术
石油与天然气工业
矿业工程
自动化技术与计算机技术
航空航天
轻工业与手工业
金属学与金属工艺
计算机工程2022
计算机工程2021
计算机工程2020
计算机工程2019
计算机工程2018
计算机工程2017
计算机工程2016
计算机工程2015
计算机工程2014
计算机工程2013
计算机工程2012
计算机工程2011
计算机工程2010
计算机工程2009
计算机工程2008
计算机工程2007
计算机工程2006
计算机工程2005
计算机工程2004
计算机工程2003
计算机工程2002
计算机工程2001
计算机工程2000
计算机工程1999
计算机工程1998
计算机工程2013年第9期
计算机工程2013年第8期
计算机工程2013年第7期
计算机工程2013年第6期
计算机工程2013年第5期
计算机工程2013年第4期
计算机工程2013年第3期
计算机工程2013年第2期
计算机工程2013年第12期
计算机工程2013年第11期
计算机工程2013年第10期
计算机工程2013年第1期
关于我们
用户协议
隐私政策
知识产权保护
期刊导航
免费查重
论文知识
钛学术官网
按字母查找期刊:
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
其他
联系合作 广告推广: shenyukuan@paperpass.com
京ICP备2021016839号
营业执照
版物经营许可证:新出发 京零 字第 朝220126号