一种新闻类WORD格式文件数据抽取算法研究

• 作者: 张志强 王伟钧 张修军 施达
• 来源期刊: 成都大学学报（自然科学版）
• 关键词: 新闻类 WORD格式 数据抽取 清洗数据 批量文件自动读取 数据库
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 信息科学与工程
• 页码范围: 151-156
• 页数: 5页
• 分类号: TP311.13
• 语种: 中文
• DOI: 10.3969/j.issn.1004-5422.2022.02.008

摘要

为了对新闻类信息进行搜索和数据分析，需要从大量保存新闻类信息的WORD文件中进行信息检索．使用人工直接检索WORD文件的方式效率较低，因此，考虑从WORD文件中抽取有用信息来构建新闻信息数据库，然后在数据库中进行数据搜索和新闻数据处理．提出一种新闻类WORD格式文件数据抽取算法，使用该算法从批量新闻类WORD文件中高效自动读取文件内容，清洗无用数据，并抽取有用信息数据构建数据库．