作者：刘云峰xpath网页分割信息抽取聚类阈值
摘要：针对网页噪音和网页非结构化信息抽取复杂度高的问题,提出一种基于标签路径（XPATH）聚类的文本信息抽取算法。该算法首先对网页噪音预处理,根据网页的DOM树结构进行标签路径聚类,通过自动训练的阈值和网页.分割算法快速判定网页的关键部分,根据数据块中的嵌套结构获取网页文本抽取模板。对不同类型网站实验表明,该方法获得快速和较高准确度的效果。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
《计算机应用与软件》（CN：31-1260/TP）是一本有较高学术价值的大型月刊，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。 《计算机应用与软件》主要面向从事计算机应用和软件技术开发的科研人员、工程技术人员、各大专院校师生等。致力于创办以创新、准确、实用为特色，突出综述性、科学性、实用性，及时报道国内外计算机技术在科研、教学、应用方面的研究成果和发展动态的综合性技术期刊，为国内计算机同行提供学术交流的平台。
部级期刊
人气 230030 评论 65
人气 214412 评论 35
省级期刊
人气 212790 评论 71
北大期刊、统计源期刊
人气 192914 评论 73
