- 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
查看更多
基于相似度的网页标题抽取方法_李国华精选
25 2 V ol . 25, No . 2
20 11 3 J OU RNA L OF CH INESE IN FO RM AT ION PR OCESSIN G M ar., 2011
: 2011) 0200 3206
,
, 450001)
: 目前网页标题的抽取方法大多结合 H T M L 结构和标签特征进行抽取, 但是这些方法并没有考虑标题
正文信息之间内容上的联系该文提出一种基于相似度的网页标题抽取方法, 该方法利用网页标题 正文信息之
间的关系, 通过计算语言 单位之间的相似度和对应的权值, 并引入 HIT S 算法模型对权值进行调整, 根据特定的
选取方法抽取出真实标题实验结果表明, 该方法不仅对 非标准网页的抽取达到满意的效果, 而且对 标准网
页具有较高的泛化能力
: 网页标题抽取; 相似度; W eb 信息抽取
: T P39 1 : A
Title Extraction from HTML Documents Based on Similarity
LI Guohua, ZAN Hongying
Co llege of Info rmation Eng ineer ing, Zheng zho u U niv ersity , Zhengzhou , H enan 450001, China)
Abstract: Most of the methods for title extraction from HT ML documents are based on the structure of HT M L document or
the f eatures of label. T hey do not considered the co rrelation betw een the title and the content . T his paper proposes a method of
title ex traction from HT ML documents based on similarity, w hich makes full use of the correlation betw een the title and the
main body. T he similarity betw een units are calculated and adjusted by the HIT S algorithm . Then the real title is extracted
in a ser ies of steps. Ex perimental results show that this method perform s w ell for nonstandard HT M L document and has
good generalization ability for standard HT M L document.
Key words: t itle ex tr act ion ; similar ity ; Web infor matio n r etriev al
;
1 ; H T M L
,
,
, )
, H T ML t it le / tit le
, ,
, H T M L
您可能关注的文档
- 基于802.1X控制的LAN接入技术实验精选.pdf
- 基于AG_AHP和云物元模型的台阶爆破效果评估研究_王训洪精选.pdf
- 基于51单片机的智能循迹小车报告书(准确)精选.pdf
- 基于ADAMS和MATLAB联合_省略_真的四足机器人运动规划与性能分析_李彬精选.pdf
- 基于AHP层次分析模型的企业竞争_省略_析_以湛江冠豪高新企业竞争力为例_梁戈精选.pdf
- 基于ANP-FCE模型的PPP建设项目风险管理 研究精选.pdf
- 基于Arduino的超声波壁障小车源程序精选.doc
- 基于ATCOR3模型的大气校正应用研究精选.pdf
- 基于BEER模型的人民币均衡汇率与汇率失调的测算_1994Q1_2009Q4精选.pdf
- 基于Backscatter的假冒源地址攻击的研究精选.pdf
文档评论(0)