作者：孟川; 武小年正文抽取主题网页文本特征值高斯平滑
摘要：针对现有Web正文抽取方法适用性差、准确率低的问题，提出了一种基于文本特征值的正文抽取方法。该方法通过对Web页面的代码进行预处理，再解析转换成DOM树；通过遍历DOM树，以节点的文本长度和标点符号权重计算DOM树各节点的文本特征值，并通过标准差消除噪声；通过高斯函数为节点的文本特征值进行平滑处理，缓解节点文本特征值的突变，降低短文本节点丢失的可能。实验测试结果表明，该方法不依赖标签，也无需训练数据，具有较好的通用性和较高的正文抽取准确率。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
《桂林电子科技大学学报》（CN：45-1351/TN）是一本有较高学术价值的大型双月刊，自创刊以来，选题新奇而不失报道广度，服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《桂林电子科技大学学报》主要刊载信息与通信工程、信号与信息处理、计算机应用技术、仪器科学与技术、控制理论与控制工程、机械设计制造及其自动化、电磁场与微波技术、机械电子工程、工业艺术设计、材料加工工程、信息与计算科学、应用数学、工商管理等方面的学术论文。
杂志详情
