一种垂直页面分割与信息提取方法的研究

• 作者: 倪宏 李军 王玲芳 陈君
• 来源期刊: 计算机应用研究
• 关键词: 页面分割 信息获取 垂直网站 内容聚集度 分割标签 前缀匹配
• 年，卷（期）: 2013,（3）
• 所属期刊栏目: 网络与通信技术
• 页码范围: 844-847,852
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2013.03.052

摘要

在综合分析不同页面分割算法和适用条件的基础上, 研究针对垂直型网站的页面分割和信息提取算法。以DOM(document object model)树为基础, 提出页面内容聚集度的概念, 统计获取页面分割标签和样式层叠表映射, 对页面进行分割; 采用正文识别和前缀匹配的方法, 完成从页面分块信息提取。结合实际的网络视频项目需求, 实现面向垂直型网站页面的分割和信息提取器。实验结果表明, 该网页分割和信息提取方法对垂直页面信息提取具有良好的性能, 满足实际项目需求。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	倪宏	中国科学院声学研究所国家网络新媒体工程技术研究中心	122	525	9.0	16.0
2	陈君	中国科学院声学研究所国家网络新媒体工程技术研究中心	40	246	10.0	14.0
3	王玲芳	中国科学院声学研究所国家网络新媒体工程技术研究中心	25	62	4.0	6.0