论文降重
免费查重
基于WEB网页文本信息抽取研究与实现
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
摘要：
本文以传统的信息抽取理论和方法为基础,实现了一种基于XML特征的网页文本抽取方法。研究了一般网页的特征,实现了一种基于XML标签特征的网页提取方法,对网页进行HTML页面标准化,将其转成XML语言,并且根据XML语言的特点,对其内部语言进行转化,从GB转为UTF,并对其进行标准化,然后通过熟悉XML标签的各种特性,对网页文本根据标签进行抽取。
推荐文章
Web信息抽取技术综述
Web信息抽取
网页噪声
URL聚类
DSE算法
RoadRunner系统
MDR
视觉特征
模板
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
一种基于模板的快速网页文本自动抽取算法
噪声
非结构化
文本抽取
模板
阈值
基于DOM的Web信息抽取
DOM
包装器
抽取规则
信息抽取
内容分析
关键词云
关键词热度
相关文献总数
(/次)
(/年)
引文网络
引文网络
二级参考文献 (0)
共引文献 (0)
参考文献 (1)
节点文献
引证文献 (0)
同被引文献 (0)
二级引证文献 (0)
2008(1)
- 参考文献（1）
- 二级参考文献（0）
2015(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)
研究主题发展历程
节点文献
互联网
信息抽取
HTML
XML
文本信息抽取
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
数据挖掘
主办单位：
汉斯出版社
出版周期：
季刊
ISSN：
2163-145X
CN：
开本：
出版地：
武汉市江夏区汤逊湖北路38号光谷总部空间
邮发代号：
创刊时间：
语种：
出版文献量（篇）
140
总下载数（次）
1
总被引数（次）
0
期刊文献
相关文献
推荐文献
- 期刊分类
- 期刊（年）
- 期刊（期）
- 期刊推荐
