基于视觉特征的网页信息提取
在互联网技术高速发展的时代，Web成为全球最大的信息数据库，如何有效管理、利用Web信息是当前的热点问题，本文主要探讨了Web网页信息提取问题。传统的网页信息提取主要基于DOM树及HTML标签分析，文中在基于网页视觉特征分块算法VIPS础上，通过归纳Web 网页视觉特征及视觉块特征信息，提出了基于视觉块的定位算法的Web页面信息提取方法。分别将主题型网页和BBS型网页作为VIPS算法的输入，分析VIPS算法输出的视觉分块树中视觉分块，定义纯文本密度和链接文本密度等视觉特征量，提出了视觉块定位算法VBPA，定位主题信息块到VBT中的某一个节点，进而提取主题信息。实验结果表明，基于视觉特征的视觉块定位算法要优于传统网页信息提取算法，可以得到较高的信息提取质量。
VIPS 视觉块定位 VBPA 主题内容提取 BBS信息提取
吴倩 杨逍 张兆心
哈尔滨工业大学(威海)计算机科学与技术学院,威海,264209
国内会议
黑龙江镜泊湖
中文
16-23
2010-08-12（万方平台首次上网日期，不代表论文的发表时间）