企业社会媒体主题信息提取算法研究

• 作者: 孙宝华
• 来源期刊: 煤
• 学科: 工学
• 关键词: 社会媒体 网页主题信息 DOM树
• 年，卷（期）: 2014,（1）
• 所属期刊栏目: 问题探讨
• 页码范围: 72-76
• 页数: 5页
• 分类号: TP393
• 字数: 5457字
• 语种: 中文
• DOI: 10.3969/j.issn.1005-2798.2014.01.031

摘要

鉴于已有信息提取方法的可改进之处，结合对HTML网页性质的统计和分析，针对社会媒体中的用户生成数据，提出一种网页主题信息提取算法。算法依据DOM的树型结构特点，充分考虑节点中非链接文字总数和超链接总数这些语义信息，对其进行基于HTML标签的过滤和基于语义的剪枝，能够准确地提取出网页HTML文档的主题信息。实验证明，提取到的主题信息具有较高的准确性和完整性。