基于可视块的多记录型复杂网页信息提取算法

网页具有丰富的内容和复杂多变的结构,现有的网页信息提取技术解决了单记录型简单页面的信息提取问题,但是对于多记录型复杂页面的信息提取效果往往不佳。文中提出了一种全新的基于可视块的复杂网页信息自动化提取算法(Visual Block Based Information Extraction,VBIE),通过启发式规则构建可视块与可视块树,然后通过区域聚焦、噪声过滤及可视块筛选,实现了对复杂网页中数据记录的提取。该方法摒弃了以往算法对网页结构的特定假设,无需对HTML文档进行任何人工标记,保留了网页的原始结构,且能够在单页面上实现无监督的信息提取。实验结果表明,VBIE的网页信息提取精确度最高可达100%,在主流搜索引擎的结果页面和社区论坛的帖子页面上的F1均值分别为98.5%和96.1%。相比目前方法中在复杂网页上提取效果较好的CMDR方法,VBIE的F1值提高了近16.3%,证明了该方法能够有效解决复杂网页的信息提取问题。

诗歌中物候记录的基本特征及用于历史气候重建的处理方法

历史物候记录对过去气候变化研究弥足珍贵。诗歌作为历史文献的重要体裁之一,其中的历史物候记录已得到了一定程度的整编和利用。但对诗歌物候记录的特征和处理方法仍缺乏系统的梳理和探讨。本文首先介绍了诗歌中物候记录的内容、特征及其在季节指示和反映农时中的应用,发现诗歌中的物候记录主要包括动物物候、植物物候和周期性气象、水文现象等3种,并呈现出距今越近,经济、社会越发达,记录越多的时空特点。然后,从物候记录筛选、物种鉴别、物候事件发生时间识别、物候期确定等方面总结了历史气候研究中诗歌物候记录的处理方法:1从诗歌的创作背景、文学成分、地理环境分异规律和人为影响等几个方面进行筛选,以保证其中物候记录的有效性;2区分古今动、植物名差异,并将物种鉴定到种;3针对年、月、日缺记的不同情况,依据物候规律和背景资料确定物候事件的发生时间;4根据现代物候观测标准,对诗歌中的文字描述进行归类定级,确定所包含的物候期。以期为诗歌物候记录的提取及其在历史气候研究中的应用提供理论和方法上的借鉴。