科学网 › 标签 › STU-DOM

标签: STU-DOM

相关帖子	版块	作者	回复/查看	最后发表

没有相关内容

相关日志

文献阅读笔记（15）-基于STU-DOM的网页主题信息自动提取方法: FangliXie 2014-7-11 22:27; 基于 STU-DOM 的网页主题信息自动提取方法 STU(SemanticTextual Unit) 语义文本单元， DOM(Document ObjectModel) 文档对象模型。首先将网页划分为几个块 (block ) ，然后以这些块为结点构建 STU 树， STU 树反映了源网页的上下文语义关系。如下图所示，图 1 中对网页进行了块的划分，图 2 基于块的嵌套关系构建了 STU 树。 WEB 信息提取系统分为 5 个部分： HTML 解析器 à 过滤器 à 分块器 à 语义分析器 à 剪枝器 2 HTML 解析器（ HTMLParse ）将 HTML 文档解析成 DOM 树 2 过滤器是从 DOM 树中删除无关节点 2 分块器是向 STU 结点中添加语义属性，将 DOM 树转化为 STU-DOM 树 2 语义属性值由语义分析器计算 2 剪枝器从 STU-DOM 树中删除无关链接列表和没有内容的块，最后输出只含主题信息的 HTML 文档实验分析 1 ）数据集 . 选取了新浪新闻 1252 个网页，搜狐娱乐 1168 个网页，网易财经 1121 个网页， e 国电子商务 1613 个网页，京卫大药房医药 1159 个网页进行分析。 2 ）衡量指标 . 实验提取结果如下图所示完整性：主题内容完整的网页数占源网页数的百分比无关链接比：删除的无关链接数占源网页中所有链接数的百分比压缩比：结果网页的大小占源网页大小的百分比平均无关链接比和平均压缩比是自动计算的结果，完整性是随机抽样 10% 进行人工分析的结果。参考文献王琦 , 唐世渭 , 杨冬青 , 王腾蛟 . 基于 DOM 的网页主题信息自动提取 . 计算机研究与发展 ,2004(10):1786-1792.; 个人分类: 科研笔记|3290 次阅读|0 个评论

更多...

帐号		自动登录	找回密码
密码			注册

关闭 安全验证

标签: STU-DOM

相关帖子

相关日志

关闭安全验证