期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于权值优化的网页正文内容提取算法
被引量：
8
1
作者
吴麒
陈兴蜀
谭骏
《华南理工大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2011年第4期32-37,共6页
目前网页上出现越来越多的广告信息,使得准确抽取网页正文信息变得越来越难.针对这一问题,文中提出了一种基于权值优化的网页正文内容提取算法.该算法首先通过分析网页正文内容的特点,确定主题块的特征属性,得出这些属性的统计特征;然后...
目前网页上出现越来越多的广告信息,使得准确抽取网页正文信息变得越来越难.针对这一问题,文中提出了一种基于权值优化的网页正文内容提取算法.该算法首先通过分析网页正文内容的特点,确定主题块的特征属性,得出这些属性的统计特征;然后,利用各个特征属性具有不同重要性的特点,使用粒子群优化算法对特征权值及阈值进行了优化和确定,使其性能得到进一步的提升;最后通过实验对该方法进行验证.结果表明,与未经权值优化的提取算法相比,在基本维持相同精确率的基础上,该方法可使网页正文内容提取的召回率提升至95.8%.
展开更多
关键词
权值优化
正文内容提取
特征属性
统计特征
准确率
召回率
下载PDF
职称材料
基于信息量衰减幅度的网页正文提取
被引量：
1
2
作者
陈阳
陈兴蜀
吴麒
《计算机工程与设计》
CSCD
北大核心
2012年第7期2555-2560,共6页
网页中的正文信息往往被相关链接、导航条、广告、版权说明等信息包围,为了更加精确地提取出网页正文信息,提出了一种基于信息量变化幅度的网页正文提取方法。该方法将网页中的HTML标签表示成一棵树,通过计算子树间正文信息量的衰减幅...
网页中的正文信息往往被相关链接、导航条、广告、版权说明等信息包围,为了更加精确地提取出网页正文信息,提出了一种基于信息量变化幅度的网页正文提取方法。该方法将网页中的HTML标签表示成一棵树,通过计算子树间正文信息量的衰减幅度确定主题区域子树,对该子树进行裁剪之后提取出正文信息。在获取主题区域子树后,对整个网页范围内的正文提取将被限制在网页正文所在的区域,这样就大幅度降低了网页噪音的干扰,从而能更加精确地提取出网页正文信息。实验结果表明,该方法的抽取准确率可以达到95%以上,具有较好的应用价值。
展开更多
关键词
网页正文提取
标签树
主题区域子树
信息抽取
网页噪音
下载PDF
职称材料
题名
基于权值优化的网页正文内容提取算法
被引量：
8
1
作者
吴麒
陈兴蜀
谭骏
机构
四川大学计算机学院∥网络与可信计算
研究所
中国
电子科技
集团公司
第二十九
研究所
信息
综合
控制
国家
重点
实验室
出处
《华南理工大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2011年第4期32-37,共6页
基金
国家"973"计划项目(2007CB311106)
文摘
目前网页上出现越来越多的广告信息,使得准确抽取网页正文信息变得越来越难.针对这一问题,文中提出了一种基于权值优化的网页正文内容提取算法.该算法首先通过分析网页正文内容的特点,确定主题块的特征属性,得出这些属性的统计特征;然后,利用各个特征属性具有不同重要性的特点,使用粒子群优化算法对特征权值及阈值进行了优化和确定,使其性能得到进一步的提升;最后通过实验对该方法进行验证.结果表明,与未经权值优化的提取算法相比,在基本维持相同精确率的基础上,该方法可使网页正文内容提取的召回率提升至95.8%.
关键词
权值优化
正文内容提取
特征属性
统计特征
准确率
召回率
Keywords
weight optimization
content extraction
feature attribute
statistical feature
precision
recall rate
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于信息量衰减幅度的网页正文提取
被引量：
1
2
作者
陈阳
陈兴蜀
吴麒
机构
四川大学计算机学院网络与可信计算
研究所
中国
电子科技
集团公司
第二十九
研究所
信息
综合
控制
国家
重点
实验室
出处
《计算机工程与设计》
CSCD
北大核心
2012年第7期2555-2560,共6页
基金
国家973重点基础研究发展计划基金项目(2007CB311106)
国家信息安全专项(242项目)基金项目((242)2009A82)
文摘
网页中的正文信息往往被相关链接、导航条、广告、版权说明等信息包围,为了更加精确地提取出网页正文信息,提出了一种基于信息量变化幅度的网页正文提取方法。该方法将网页中的HTML标签表示成一棵树,通过计算子树间正文信息量的衰减幅度确定主题区域子树,对该子树进行裁剪之后提取出正文信息。在获取主题区域子树后,对整个网页范围内的正文提取将被限制在网页正文所在的区域,这样就大幅度降低了网页噪音的干扰,从而能更加精确地提取出网页正文信息。实验结果表明,该方法的抽取准确率可以达到95%以上,具有较好的应用价值。
关键词
网页正文提取
标签树
主题区域子树
信息抽取
网页噪音
Keywords
content information extraction
tag tree
primary area subtree information extraction
noise of web page
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于权值优化的网页正文内容提取算法
吴麒
陈兴蜀
谭骏
《华南理工大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2011
8
下载PDF
职称材料
2
基于信息量衰减幅度的网页正文提取
陈阳
陈兴蜀
吴麒
《计算机工程与设计》
CSCD
北大核心
2012
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
