一种基于SVM及文本密度特征的网页信息提取方法

• 作者: 周艳平 宋群豹 李金鹏
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: SVM 正文抽取 DOM树 文本密度特征
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 算法
• 页码范围: 251-255,261
• 页数: 6页
• 分类号: TP3
• 字数: 5373字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.10.043

摘要

针对网页的多样性、复杂性和非标准化程度的提高,提出一种基于SVM及文本密度特征的网页信息提取方法.该方法先将网页整体解析成DOM树,然后根据网页结构提出五种网页密度特征,用数学模型进行密度比例分析,并采用高斯核函数(RBF)训练样本数据.该方法训练出的数据模型能够准确地去除网页广告、导航、版权信息等噪音信息,保留正文信息块,最后进行正文信息块内除噪.实验表明,该方法不仅有较高的精度,而且通用性好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周艳平	青岛科技大学信息科学技术学院	22	244	5.0	15.0
2	李金鹏	青岛科技大学信息科学技术学院	4	4	2.0	2.0
3	宋群豹	青岛科技大学信息科学技术学院	15	15	2.0	3.0