摘要
Internet发展至今,除了静态的网页文本,目前出现较多的是基于动态文本的BBS评论、电子商务评论等。如何自动挖掘这些评论信息,变得日益重要。提出了一种新颖的评论算法进行评论信息的发现与抽取。采用了DOM技术对页面进行分块,同时结合信息熵的迭代计算技术实现了评论块的自动发现与抽取。
With the development oflntemet, more and more commercial websites have appeared. These commercial websites become the information platform where users can comment their reviews. These reviews are increasingly important. This text has put forward a kind of novel algorithm. This algorithm iteratively segment page by DOM and calculate the information entropy to automatically dis- cover and extract the reviews.
出处
《计算机工程与设计》
CSCD
北大核心
2007年第9期2150-2153,共4页
Computer Engineering and Design
基金
国家自然科学基金项目(50376029)
关键词
评论抽取
文档对象模型
信息熵
页面分块
迭代计算
review extraction
DOM
information entropy
page segmenting
iterative calculation