版权所有：内蒙古大学图书馆 技术提供：维普资讯• 智图
内蒙古自治区呼和浩特市赛罕区大学西街235号 邮编: 010021
基于标记窗的网页正文信息提取方法
Web Content Information Extraction Method Based on Tag Window作者机构：中国兵器工业计算机应用技术研究所北京100089 北京理工大学计算机科学技术学院计算机科学工程系北京100081
出 版 物：《计算机应用研究》 (Application Research of Computers)
年 卷 期：2007年第24卷第3期
页 面：144-145,180页
核心收录：
学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）]
摘 要：提出了基于标记窗的网页正文信息提取方法。该方法不仅适合于处理一个网页中所有正文信息均放在一个td中的情况,也适合于处理网页正文放在多个td中的情况,还可以处理网页正文文字短到与网页其余部分文字(如广告、导航条、版权)长度相当的情况。尤其重要的是,它能够解决非Table结构的网页正文提取问题。实验表明,该方法可以提高网页正文提取的准确率,适用性强。
