一种基于噪音过滤包装器的Web新闻抽取方法

• 作者: 孙梦 瞿有利
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 信息抽取 包装器 新闻网页 ACME算法 字符串标签路径比 朴素贝叶斯分类器
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 人工智能
• 页码范围: 5-12
• 页数: 8页
• 分类号: TP391.1
• 字数: 6743字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2017.01.002

摘要

从海量Web新闻网页中抽取高纯度新闻,并以结构化的形式存储,是舆情监测、话题更新等研究的基础.本文提出一种基于噪音过滤包装器的方法抽取Web新闻,归纳包装器时,若2页面字符串对比失配,计算其字符串标签路径比,根据阈值α,标记不同符号区分新闻内容和噪音.同时提出了朴素贝叶斯Web新闻标题分类器和时间分类器抽取新闻题目和时间.实验结果表明,本文方法与其他抽取技术相比准确率和鲁棒性有显著的提高,具有重要的实际应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	瞿有利	北京交通大学计算机与信息技术学院	19	179	6.0	13.0
2	孙梦	北京交通大学计算机与信息技术学院	1	0	0.0	0.0