基于块密度加权标签路径特征的Web新闻在线抽取-中国科学信息科学.PDFVIP

中国科学: 信息科学 2017 年 第47 卷 第8 期: 1078–1094 从大数据到大知识工程专刊 论文 基于块密度加权标签路径特征的 新闻在线 抽取 * * 吴共庆 刘鹏程 胡骏 胡学钢 合肥工业大学计算机与信息学院, 合肥 230009 * 通信作者. E-mail: wugq@, jsjxhuxg@ 收稿日期: 2017–04–05; 接受日期: 2017–06–08; 网络出版日期: 2017–08–16 国家重点研发计划(批准号: 2016YFB1000901)、教育部创新团队发展计划(批准号: IRT13059)、国家自然科学基金(批准号: 612- 73297, 和国家留学基金 (批准号: 201506695019) 资助项目 摘要 新闻内容抽取是众多 大数据 和 大知识 应用的基础 也是一个开放性问题 标签 路径特征和文本块密度特征是目前解决该问题的两类优良特征 标签路径特征能较好地区分全网页 的内容与噪声 但难以识别内容块中的噪声和噪声块中的内容 文本块密度特征能较好地识别高密 度的内容