一种基于逆序匹配重复模式的主题信息提取方法

• 作者: 伍杰华 倪振声 陈有青
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 信息提取 重复模式 主题识别 逆序匹配
• 年，卷（期）: 2013,（4）
• 所属期刊栏目: 基金项目论文
• 页码范围: 88-91
• 页数: 4页
• 分类号: TP391
• 字数: 3735字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2013.04.025

摘要

网页中的信息主要以重复的HTML结构进行组织并形成一致的展现形式,主要研究具备复杂重复模式的网页主题信息块识别,提出一种改进的基于逆序匹配重复模式的算法.该算法依据HTML标签结构和class属性改进DOM树,重构页面的向量空间模型,逆序匹配重复结构模式并完成对主题信息的提取.实验结果表明,该方法能准确识别复杂页面结构中主题重复模式,有效避免非主题重复模式的干扰,有较好的召回率和准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈有青	中山大学信息科学与技术学院	16	215	7.0	14.0
2	伍杰华	广东工贸职业技术学院计算机工程系	22	57	4.0	6.0
3	倪振声	中山大学信息科学与技术学院	2	4	1.0	2.0