中文Web文档中小标题的识别方法

摘要：

Web文档中的小标题出现形式不同于普通文本:普通文本一般有比较规范的组织结构和清晰的小标题标记,通过这些小标题标记可以识别出小标题;而Web文档的结构较为松散,小标题出现的位置和形式都比较自由,部分小标题没有明显的标记符.因此,有必要对它作进一步处理.本文首先综合分析了Web页面特征,然后总结了小标题的两种形式:有标号小标题和无标号小标题,在此基础上,提出了一种适合于Web页面的小标题识别方法.

关键词： 模式识别 网页信息 标题识别

作者: 徐晓丹

作者单位: 国防科技大学计算机学院(长沙);浙江师范大学信息学院智能计算与并行计算研究所(金华)

会议类型: 国内会议

会议名称: 第四届中国Rough集与软计算学术研讨会

会议地点: 舟山

会议语种:中文

页码: 296-297

在线出版日期: 2004-10-01（万方平台首次上网日期，不代表论文的发表时间）