基于网页语料库自动生成.pdfVIP

下载本文档

6
0
约 2页
2015-08-07 发布于安徽
举报
版权申诉

基于网页语料库自动生成.pdf

1、本文档共2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

ISSN 1009-3044 E-mail: info@ 第卷第期年月 Computer Knowledge and Technology 电脑知识与技术 6 23 (2010 8 ) Computer Knowledge and Technology 电脑知识与技术 Vol.6,No.23, August 2010, pp.6438-6439 Tel:+86-551-5690963 5690964 基于网页的语料库自动生成 1 2 曹英，徐卫（无锡科技职业学院软件与服务外包学院，江苏无锡；无锡环宇装备科技有限公司，江苏无锡） 1. 214028 2. 214125 摘要：网页文本信息的抽取是网络信息搜索的重要组成部分，通过网页文本抽取生成完备精简的语料库对网页信息的分析起着至关重要的作用。目前网页解析的技术有很多，常用的技术有基于正则表达式的静态网页文本抽取，基于 HTML 文件流分析的静态文本解析，基于DOM 树的动态网页分析和基于 SAX 的动态网页分析。关键词：网页；抽取；语料库中图分类号：文献标识码：文章编号： TP393 A 1009-3044(2010)23-6438-02 Automatically Corpora Based on the Web Page 1 2 CAO Ying , XU Wei (1.Software and Service Outsouring School, Wuxi Professional College of Science and Technology, Wuxi 214028, China; 2.Wuxi Huanyu Equipment Technology Co.,Ltd., Wuxi 214125, China) Abstract: The extraction of text information from web pages is an important component of information extraction from the internet. The concise and complete corpus which is generated by extracting text from web pages plays a critical role in the analysis of information of web pages. Nowadays there are many ways to analyze web pages: the technology of static text based on regular expressions. The analysis of static text based on the file flow of the HTML documents. The analysis of dynamic web pages based on the DOM tree and the analysis of dy- namic web pages based on SAX. Key words: web pages; extraction; corpus 如今，网络信息量与日俱增。信息资源与物质资源，能量资源一起构成了现代社会经济发展的三大支柱。如何有效的获取信息资源已经越来越受到人们的重视。然而，一方面我们感受到Internet 上数据的海量与丰