基于標(biāo)簽的信息抽取預(yù)處理算法
2009-01-06 04:55:38范春曉和曉軍李淑云
數(shù)字技術(shù)與應(yīng)用 2009年11期
范春曉 和曉軍 李淑云
[摘 要]針對(duì)現(xiàn)有現(xiàn)有HTML網(wǎng)頁(yè)的特點(diǎn),提出了一種基于標(biāo)簽的Web 網(wǎng)頁(yè)的清洗技術(shù),該方法基于HTML各種標(biāo)簽的特點(diǎn),對(duì)修飾性等與內(nèi)容無(wú)關(guān)的標(biāo)簽進(jìn)行清洗,首先界定清洗的規(guī)則,對(duì)可清洗的標(biāo)簽進(jìn)行定義;然后根據(jù)清洗規(guī)則對(duì)HTML網(wǎng)頁(yè)進(jìn)行處理。本論文所提方法沒(méi)有改變文檔的半結(jié)構(gòu)特點(diǎn),使后續(xù)信息的抽取較之未改進(jìn)有明顯的優(yōu)勢(shì)。
猜你喜歡
中國(guó)新聞周刊(2021年26期)2021-07-27 04:02:12
電子制作(2018年10期)2018-08-04 03:24:38
制導(dǎo)與引信(2017年3期)2017-11-02 05:16:56
電子制作(2017年2期)2017-05-17 03:54:56
信息安全研究(2016年4期)2016-12-01 06:06:54
工業(yè)設(shè)計(jì)(2016年11期)2016-04-16 02:50:19
電子測(cè)試(2015年18期)2016-01-14 01:22:58
Asian Pacific Journal of Reproduction(2015年1期)2015-12-22 12:09:35
環(huán)境科技(2015年6期)2015-11-08 11:14:26
電網(wǎng)與清潔能源(2015年2期)2015-02-28 16:03:07
數(shù)字技術(shù)與應(yīng)用2009年11期
- 數(shù)字技術(shù)與應(yīng)用的其它文章
- 企事業(yè)單位局域網(wǎng)的網(wǎng)絡(luò)信息安全關(guān)鍵技術(shù)分析
- 基于SOM神經(jīng)網(wǎng)絡(luò)的中國(guó)球粒隕石26種元素濃度數(shù)值分布的自組織分類①
- 利用計(jì)算機(jī)并口ECP模式實(shí)現(xiàn)計(jì)算機(jī)對(duì)外圍設(shè)備的控制及數(shù)據(jù)采集
- 淺談使用UGNX對(duì)機(jī)械結(jié)構(gòu)進(jìn)行運(yùn)動(dòng)分析
- 高校多媒體存在的問(wèn)題與方法探討
- 高速動(dòng)車組的電磁干擾源淺析