基于网页分割的信息提取算法.pdfVIP

下载本文档

7
0
约2.08万字
约 3页
2017-09-11 发布于重庆
举报
版权申诉

基于网页分割的信息提取算法.pdf

1、本文档共3页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

《电子技术应用》 www.ChinaAET.com 网络与通信 1)$+,%2 3- 4,55637’$7,3 基于网页分割的!# 信息提取算法$ 侯明燕杨天奇 ! 暨南大学计算机科学系广东广州 ! ! #$%’( 摘要针对网页非结构化信息抽取复杂度高的问题提出了一种基于网页分割的信息提 ! ! )*+ 取算法对网页噪音进行预处理根据网页的文档对象模型树结构进行标签路径聚类通过自动训练 ! ! 的阈值和网页分割算法快速判定网页的关键部分根据数据块中的嵌套结构获取网页文本提取模板 ! 对不同类型网站的实验结果表明该算法运行速度快准确度高 ! # 关键词网页分割信息提取聚类阈值 ! $ $ $ 中图分类号! ,-../ 文献标识码! 0 文章编号! .%12311’$!’$..($3$$23$ !# $%’()*+$’% ,+(*-+$’% *./’($+0) 1*23 ’% !1 4*/ 2/)%+*+$’% 456 789:;9 !=9: ,898 !?*@ABC*9B 5D E5C@6B*A FG8*9G* !H899 I98J*AK8B; !L69:MN56 .$%’ !EN89( !#$%’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信息抽取是一种直