期刊文献+

基于视觉特征的网页正文提取方法研究 被引量:13

The research on vision-based Web page information extraction algorithm
下载PDF
导出
摘要 利用网页的视觉特征和DOM树的结构特性对网页进行分块,并采用逐层分块逐层删减的方法将与正文无关的噪音块删除,从而得到正文块。对得到的正文块运用VIPS算法得到完整的语义块,最后在语义块的基础上提取正文内容。试验表明,这种方法是切实可行的。 To get the useful information blocks, this paper first segmented the Web page into blocks with its visual features and its DOM tree's characteristics, and then deleted the noise blocks. This is a recursive process until no block can be deleted. Then handled the reserved blocks with the VIPS algorithm to get the semantic blocks. At last, got the text content by handling the semantic blocks. Experiment shows that this method is feasible.
出处 《微型机与应用》 2010年第3期38-41,共4页 Microcomputer & Its Applications
关键词 页面分块 信息提取 视觉特征 page segmentation information extraction visual features
  • 相关文献

参考文献7

二级参考文献28

共引文献152

同被引文献99

引证文献13

二级引证文献39

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部