基于结构与内容的网页主题信息提取研究

摘要：

结合HIML网页内部特征与外部的结构布局,提出采用映射表这种网页映射模式对网页视图进行变换,基于结构与启发式规则对网页进行区域分割与识别,并利用向量空间模型对网页内容分析,从而准确得到具有高语义内聚性的网页主题内容.实验结果表明,此方法对各种复杂结构的网页主题信息提取较为理想.

关键词： 映射表 启发式规则 HTML 区域分割 向量空间模型

作者: 吴鹏飞 孟祥增 刘俊晓 马凤娟

作者单位: 山东师范大学,传播学院,山东,济南,250014

会议类型: 国内会议

会议名称: 第四届全国搜索引擎和网上信息挖掘学术研讨会(SEWM2006)

会议地点: 济南

会议语种:中文

页码: 131-134

在线出版日期: 2006-07-21（万方平台首次上网日期，不代表论文的发表时间）