版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、隨著互聯(lián)網(wǎng)的迅猛發(fā)展,WEB所承載的數(shù)據(jù)與日俱增,其信息冗余、形式多樣、處理困難等問題也越來越突出,因此,WEB信息提取應(yīng)運而生。又由于WEB頁面中包含了大量的與主題無關(guān)的信息,影響了用戶從中快速定位并獲取主題內(nèi)容。所以,對頁面主題信息的提取顯得尤為重要,其不但可以節(jié)省用戶大量的時間和精力,而且提取結(jié)果也可以用于數(shù)據(jù)挖掘等各個方面。WEB信息提取主要針對無結(jié)構(gòu)或者半結(jié)構(gòu)化的WEB頁面,且主流大多基于HTML結(jié)構(gòu)。在已有的相關(guān)研究中,研究
2、者在關(guān)注HTML標簽的結(jié)構(gòu)的時候要么忽略了HTML標簽的語義信息,要么忽略了標簽的語義信息對其包含的文本內(nèi)容的影響。
本研究主要內(nèi)容包括:⑴引入了DOM樹節(jié)點重要度。由于標簽的結(jié)構(gòu)和語義信息具有關(guān)聯(lián)關(guān)系,綜合考慮二者,將標簽分為不同的類別,對應(yīng)到DOM樹中節(jié)點的分類,主要包括塊節(jié)點、行節(jié)點、視覺節(jié)點、鏈接節(jié)點、文本節(jié)點、其他節(jié)點??紤]到每類節(jié)點對主題信息的影響不同,為不同類型的節(jié)點設(shè)置相應(yīng)的影響因子,并定義節(jié)點重要度來統(tǒng)一表示
3、DOM樹節(jié)點對主題信息的影響。⑵提出了擴展DOM樹模型。為了防止對DOM樹的處理過細,擴展DOM樹模型對其進行了簡化,只保留可以承載主題信息的塊節(jié)點。在將非塊節(jié)點合并到塊節(jié)點的過程中,同時修改節(jié)點重要度,考慮到標簽的語義信息對其文本內(nèi)容的影響,不同類型的節(jié)點進行合并時,節(jié)點重要度計算方法不同。一旦合并完成后,就可以得到帶有節(jié)點重要度的擴展DOM樹模型。⑶給出了基于擴展DOM樹模型的WEB頁面主題信息提取方法。包括四個步驟:頁面清理、構(gòu)建
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于節(jié)點類型標注的網(wǎng)頁主題信息提取技術(shù)研究.pdf
- 基于HTML網(wǎng)頁的Web信息提取研究.pdf
- 基于元數(shù)據(jù)的web信息提取方法研究.pdf
- 基于HTML Parser的Web信息提取技術(shù).pdf
- 基于主題的WEB信息提取及智能搜索技術(shù)研究與實現(xiàn).pdf
- 基于機器學習的Web信息提取技術(shù)的研究.pdf
- 基于Web的實體信息提取和搜索研究.pdf
- 基于Web信息提取的企業(yè)競爭情報獲取研究.pdf
- 基于XML用戶定義需求的WEB信息提取研究.pdf
- 基于模板的Web頁面信息提取技術(shù)研究.pdf
- Web視頻信息提取研究.pdf
- Web頁面語義信息提取方法的研究.pdf
- 基于Web挖掘的信息提取與推薦相關(guān)研究.pdf
- 基于表格結(jié)構(gòu)的Web信息提取技術(shù)研究.pdf
- 基于Hadoop的Web信息提取和垃圾信息過濾研究與實現(xiàn).pdf
- 基于XML的半結(jié)構(gòu)化Web信息提取的研究.pdf
- Web信息提取及知識發(fā)現(xiàn)方法研究.pdf
- 基于Web的大規(guī)模中文人物信息提取研究.pdf
- 課程設(shè)計(論文)-基于web的信息提取技術(shù)研究
- Web信息提取技術(shù)研究與應(yīng)用.pdf
評論
0/150
提交評論