基于网页框架和规则的网页噪音去除方法.pdfVIP

下载本文档

1
0
约9.57千字
约 3页
2017-12-07 发布于浙江
举报
版权申诉

基于网页框架和规则的网页噪音去除方法.pdf

1、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。。
2、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。
3、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)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、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。
6、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。
7、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

基于网页框架和规则的网页噪音去除方法

33 19 2007 10 Vol.33 No.19 Computer Engineering October 2007 ·· 2007 A TP393 116024 HTML table table table p brCWT200G 132 559 75% Approach of Eliminating Noise Based on Framework of Web Pages and Rules SHI Da-ming, LIN Hong-fei, YANG Zhi-hao (Department of Computer Science and Engineering, Dalian University of Technology, Dalian 116024) AbstractThis paper presents an approach to eliminate noise based on framework of Web pages and rules. This approach divides a page into several parts according to HTML tag table in a Web page, then compares the ratio of width and height attributes of every table and deletes the part of bigger ratio. To the rest tables, topic and noise content are differentiated according to tag p or br related to paragraph, the noise content is eliminated based on this way. Experiments performed on a set of 132 559 Web pages from CWT200G show that this approach can eliminate noise content of Web pages effectively and decrease the size of index files to about 75%. The information retrieval speed can be faster, and the accuracy of retrieval can be improved. Key wordsinformation retrieval; noise content; Web page framework 1 HTML Web Web [5] [6] HTML Web