杨会志
- 作品数：1 被引量：3H指数：1
- 供职机构：电子科技大学中山学院更多>>
- 发文基金：中山市科技计划项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 灵活结构网页的正文提取被引量：3
- 2011年
- 在Web数据挖掘中,由于网页大多都含有指向其他页面的超链接等噪音信息,为了减少噪音信息对Web数据挖掘效果的影响,有必要对网页进行净化处理,提取其中的正文,同时,现实中很多网页的代码结构不是特别规范,对此,提出一种对灵活结构网页适用的正文抽取算法。将网页用HTML标签分割成节点形式,找出其中含有正文内容的一个节点,以此节点为基础向前和向后进行余下正文内容的抽取。实验结果表明,本算法的适用性强、正确率较高。
- 殷彬杨会志
- 关键词：WEB数据挖掘
