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

基于视觉特征的主题型网页信息抽取

下载PDF
导出
摘要 互联网高速发展的多年积累,如今web已经成为我们每一个普通人日常的一部分.Web绝对是世界上最大的信息数据库.同时每一个web页面中也包含这个目标信息以外的各种广告链接.称之为噪声.如何有效的过滤噪声,提取想要的目标内容已经成为一个实用且重要的研究领域.传统的方法大多都是基于DOM树及网页源代码的.这里在基于网页视觉特征分块算法VIPS的基础上,通过观察归纳网页目标内容和噪声的视觉特征来进行噪声过滤和目标内容提取.并提出了基于噪声和目标内容的视觉特征区别算法NGFV(Based on noise and goal content visual feature algorithm).
作者 胡瑞 郭星 黄永聪
机构地区 安徽大学计算机科学与技术学院
出处 《赤峰学院学报（自然科学版）》 2016年第6期23-25,共3页 Journal of Chifeng University(Natural Science Edition)
基金 安徽大学创新基金项目(yph100153)
关键词 VIPS NGFV 噪声过滤 DOM树
分类号 TP311.12 [自动化与计算机技术—计算机软件与理论]
  • 相关文献

参考文献9

  • 1Deng Cai, Shipeng Yu, Ji-Rong Wen, 等. Extracting Content Structure for Web Pages based on Visual Representation [C].Proc Asia Pacific Web Conference.2003:406-417.
  • 2Bhavdeep Mehta,Meera Narvekar. DOM Tree Based Approach for Web Content Extraction [C].India,ICCICT,2015:16-17.
  • 3INarwal,Neetu.Improving web data extraction by noise removal.Communication and Comput- ing (ARTCom) [C].2013:388-395.
  • 4Mr.Satish J. Pusdekar, Pro.Shaikh.phiroj Chhaware. Using Visual Clues Concept for Extracting Main Data from Deep Web Pages. International Conference on Electronic Systems, Signal Processing and Computing Technologies [C].2014:190-193.
  • 5吴倩,杨逍,张兆心.基于视觉特征的网页信息提取[C]//第六届全国信息检索学术会议论文集,2010.
  • 6于满泉,陈铁睿,许洪波.基于分块的网页信息解析器的研究与设计[J].计算机应用,2005,25(4):974-976. 被引量：55
  • 7陈劲,林怀忠,陈方疏,等.一种从中文网页中抽取信息的综合方法.计算机研究与发展[S].2012.171-178.
  • 8张昕,鄂海红,宋美娜,杨俊.基于视觉特征的就业信息页面抽取方法[J].软件,2014,35(9):16-20. 被引量：2
  • 9Lei Fu, Yao Meng,Yingju XIA,等.Content Ex- traction based on Webpage Layout Analysis[C]. IEEE,2010:40-43.

二级参考文献18

  • 1欧健文,董守斌,蔡斌.模板化网页主题信息的提取方法[J].清华大学学报（自然科学版）,2005,45(S1):1743-1747. 被引量：70
  • 2孔令波,唐世渭,杨冬青,王腾蛟,高军.XML数据的查询技术[J].软件学报,2007,18(6):1400-1418. 被引量：72
  • 3EMBLEY DW,JIANG YS,NG YK.Record-Boundary Discovery in Web Documents[A].SIGMOD'99 Proceedings[C].1999.
  • 4EMBLEY DW,LI X.Record Location and Reconfiguration in Unstructured Multiple-Record Web Documents[A].WebDB'00 Proceedings[C].2000.
  • 5LIM SJ,NG YK.Extracting Structures of HTML Documents Using a High-Level Stack Machine[M].Information Networking in Asia,Gordon and Breach Science Publishers,Newark,New Jersey,2001.
  • 6LIM SJ,NG YK,YANG XC.Integrating HTML Tables Using Semantic Hierarchies And Meta-Data Sets[A].International Database Engineering and Applications Symposium(IDEAS'02)[C].Edmonton,Canada,2002.
  • 7LIM SJ,NG YK.A Heuristic Approach for Converting HTML Documents to XML Documents[A].Proceedings of the Sixth International Conference on Rules and Objects in Databases(DOOD 2000)[C].London,England,2000.1182-1196.
  • 8LIN SH,HO JM.Discovering Informative Content Blocks from Web Documents[A].KDD 2002[C].2002.588-593.
  • 9YU SP,CAI D,WEN JR,et al.Improving Pseudo-Relevance Feedback in Web Information Retrieval Using Web Page Segmentation[EB/OL].http://research.microsoft.com/research/pubs/view.aspx?type=Technical%20Report&id=632,2002-12.
  • 10WEN JR,SONG RH,CAI D,et al.Microsoft Research Asia at The Web Track of TREC 2003[A].The Twelfth Text Retrieval Conference(TREC'12)[C].2003.

共引文献56

赤峰学院学报（自然科学版）
2016年 第6期

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