【摘 要】
：
Web页面所表达的“主题”信息通常隐藏在大量无关结构和文字中,准确完整地提取网页主题信息是影响Web应用服务质量的关键技术之一。目前的提取方法多依赖于网页模板信息,而We
【机 构】
：
北京信息科技大学中文信息处理研究中心,北京100101
【出 处】
：
第二十届全国计算机信息管理学术研讨会
论文部分内容阅读
Web页面所表达的“主题”信息通常隐藏在大量无关结构和文字中,准确完整地提取网页主题信息是影响Web应用服务质量的关键技术之一。目前的提取方法多依赖于网页模板信息,而Web上的网页模板不计其数,因此这些方法缺乏通用性。且随着模板数量的增加,模板库的维护工作也变得日益复杂。本文基于DOM规范,把HTML网页表示成树结构,然后提出一种新的结点主题相关性判定方法,依据此方法判定出要抽取的内容,并删除无关内容,最后输出只含主题信息的HTML文档。方法不依赖于模板信息,是一种通用的主题信息提取方法。实验结果证明了方法的准确性和有效性。
其他文献
目的研究妊娠高血压综合征患者循环内皮祖细胞功能的变化。方法选择2010年10月～2011年8月于我院产科住院的妊娠高血压综合征患者12例作为研究对象（妊娠高血压综合征组），同时选取1
当前，以农民工为主体的流动人口犯罪，已成为城市犯罪的一个重要组成部分。从社区的角度进行分析，城市社区的“区隔化现象”影响了农民工与城市生活的融合，构成了其犯罪的重要原因
“书山有路勤为径,学海无涯苦作舟”是我们的学习态度,“欲穷千里目,更上一层楼”是我们的教学展望。作为小学教师,我们要梳理教学困惑,明确教学理念,在课堂上成就自己,也成
目前,我国儿童已占总人口的20%以上,但儿童药品紧缺的问题却一直存在。据2012年全国工商联医药业商会提供的一组数据显示,在医药市场现有的3500多个制剂品种中,供儿童使用的
基于一级学科的硕士生课程设置理论探索，建立科学、合理的课程体系，培养宽口径、复合型的创新型人才，符合目前我国硕士生的培养目标。本文总结近几年硕士生培养过程中课程设置存
肿瘤是威胁人类生命的主要疾病之一,解毒祛瘀法防治肿瘤得到越来越多的认可,近年来相关研究取得了较大进展。解毒祛瘀法可以辅助其他抗肿瘤疗法增效减毒,提高患者免疫功能,改
在分析图书馆危机预警管理系统的工作原理与工作流程的基础上，设计预警系统的总体结构并对每个子系统的功能实现作详细分析，为实现图书馆危机预警管理系统提供参考。