基于DOM和视觉属性的网页信息过滤方法.pdfVIP

第 21卷 第 13期 电子设计工程 2013年 7月 Vo1．21 No．13 ElectronicDesignEngineering Ju1．2013 基于DOM 和视觉属性的网页信息过滤方法 王建品 (商丘师范学院计算机与信息技术学院，河南 商丘 476000) 摘要 ：本文介绍 了一种基于D0M 文档模型和 网页视觉属性 的信 息过滤方法。通过对 网页 内容 的结构和特点进行分 析 ，把整个网页信息 内容拆分成信息块和干扰块两种类型．通过 网页解析器把页面转化成 DOM模型并对 网页干扰信 息进行判定．依据页面的视觉属性对DOM模型进行简化，最终实现对DOM模型干扰信息的有效过滤。 关键词 ：DOM；视觉属性 ；噪声；解析器 中图分类号：TP393 文献标识码 ：A 文章编号：1674—6236(2013)13—0028—03 MethodofinformationfilteringinW ebbasedonD0M andvisionattribute WANGJian-pin (TheSchoolofComputerandInformationTechnologyinShangqiuNormalUniversity，Shangqiu476000，China) Abstract：Thispaperintroducesamethodofinformationfilteringthatisbasedon theDOM andWebvisionattribute．By analysingthestructureandcharactersofwebinformmion，webpagecanbeseparatedintotwocategories：Valuablesegments andNoisesegments．ThispapergetsDOM withParser，identifieswebpagenoise，reducesDOM basedonvisionattributeand theneliminateswebpagenoise． Keywords：DOM ；visionattribute；noise；DOM parser 近年来 ．随着计算机的应用普及尤其是网络的迅猛发 通过用户 的感知，用户在浏览网页时 ，往往把它看作某 展 ，大量 的信息以互联 网网页的形式展现在用户面前 。但 个不 同的语义 内容的组合 ，并不是一个单一的对象。有些实 是，在网页中的信息主体附近往往都会夹杂着一些干扰信 验结构 已经表明．用户通常觉着某个 网页的功能部分应该固 息，例如，弹出的广告 、版权数据 、无用 的图片 以及大量不相 定的出现在页面的特定位置 。例如导航 内容 、广告等 。事实 关的链接等 。这些信息干扰 了用户去浏览网页中真正有价 上 ，当某个 Web页面出现在用户面前时，依据视觉属性能够 值的主要 内容。如何去除这些干扰信息而保留网页中有用 使用户不经意的把此页面划分为几个内容块 ，通常 内容块的 的主题 内容成为一个亟待解决的问题。实验证明，通过信息 显示属性包括颜色和背景图片、字体字形以及字的大小、粗 过滤后 的网页可以大大加快浏览时间，提高用户信息获取 细和格式 ，这些就叫作网页的视觉属性。 的速度 ，从而提高Web的实用性。在流行的搜索引擎应用 2 网页信息过滤总体流程 中，信息过滤除掉网页中的干扰信息 ，能够提高网页分类的 效率。网页信息过滤已经成为当今信息研究领域 的热点之 网页信息过滤 的过程步骤