基于標簽的信息抽取預(yù)處理算法
2009-01-06 04:55:38范春曉和曉軍李淑云
數(shù)字技術(shù)與應(yīng)用 2009年11期
范春曉 和曉軍 李淑云
[摘 要]針對現(xiàn)有現(xiàn)有HTML網(wǎng)頁的特點,提出了一種基于標簽的Web 網(wǎng)頁的清洗技術(shù),該方法基于HTML各種標簽的特點,對修飾性等與內(nèi)容無關(guān)的標簽進行清洗,首先界定清洗的規(guī)則,對可清洗的標簽進行定義;然后根據(jù)清洗規(guī)則對HTML網(wǎng)頁進行處理。本論文所提方法沒有改變文檔的半結(jié)構(gòu)特點,使后續(xù)信息的抽取較之未改進有明顯的優(yōu)勢。
猜你喜歡
中國新聞周刊(2021年26期)2021-07-27 04:02:12
電子制作(2018年10期)2018-08-04 03:24:38
制導與引信(2017年3期)2017-11-02 05:16:56
電子制作(2017年2期)2017-05-17 03:54:56
信息安全研究(2016年4期)2016-12-01 06:06:54
工業(yè)設(shè)計(2016年11期)2016-04-16 02:50:19
電子測試(2015年18期)2016-01-14 01:22:58
Asian Pacific Journal of Reproduction(2015年1期)2015-12-22 12:09:35
環(huán)境科技(2015年6期)2015-11-08 11:14:26
電網(wǎng)與清潔能源(2015年2期)2015-02-28 16:03:07
