【摘 要】
:
主要研究"正文式"网页的有效信息提取算法。该种底层网页真正含有Web页面所表达的主题信息,通常包含一大段的正文信息,正文信息的前后是一些格式信息(例如导航信息、交互信息
【机 构】
:
中国科学院声学研究所DSP中心,中国科学院研究生院
【基金项目】
:
国家发改委CNGI示范工程资助项目(No.CNGI-04-15-2A)
论文部分内容阅读
主要研究"正文式"网页的有效信息提取算法。该种底层网页真正含有Web页面所表达的主题信息,通常包含一大段的正文信息,正文信息的前后是一些格式信息(例如导航信息、交互信息、JavaScript脚本等)。分析了此种网页的页面结构特征,将问题转化为——给定一个底层网页的HTML源文件,求解最佳的正文区间;从而提出了一种基于快速傅立叶变换的网页正文内容提取算法。采用窗口分段的方法,利用统计学原理和FFT,得出每个可能区间的权值,从而求解出最佳正文区间。实验结果表明,此种方法能比较准确的对"正文式"网页的有效信息进行提取。
其他文献
改革开放以来,我国市场经济体制不断深入发展。随着近年来外资企业的不断引入,我国的酒店行业竞争也愈发激烈。在这样的背景下,怎样通过全面预算管理工作来提高酒店的收益和
请下载后查看,本文暂不支持在线获取查看简介。
Please download to view, this article does not support online access to view profile.
蝶阀作为工业输送系统的重要组成部分,在实际使用中工况苛刻,常在多相流工况下使用,由于蝶阀开度的频繁变化,导致蝶阀内部固液两相流场分布复杂,颗粒对蝶阀的冲蚀磨损和阀门的汽蚀现象对蝶阀造成了严重的损害。因此,本文采用Solidworks软件对蝶阀进行三维建模,并简化蝶阀流道模型,用ICEM软件对蝶阀进行网格划分,通过Fluent软件进行数值模拟,对入口速度为1 m/s、3 m/s、5 m/s,颗粒直径
19世纪中叶至20世纪初,在东亚地域,"宗藩体系"历经了极盛时代到逐渐式微直至完全溃败,让位给近代"殖民条约体系"。在这一转型过程中,原属"宗藩体系"内的国家力量对比发生了重
<正> 商业银行和中国的资本、证券市场历来有着千丝万缕的联系。在分业经营的篱笆墙两侧,券商对商业银行的财大气粗羡慕不已;商业银行也对券商利润丰厚的投行业务虎视眈眈。
回 回 产卜爹仇贱回——回 日E回。”。回祖 一回“。回干 肉果幻中 N_。NH lP7-ewwe--一”$ MN。W;- __._——————》 砧叫]们羽 制作:陈恬’#陈川个美食
Back to yield
随着图像化时代的到来,绘本已成为现代儿童最喜欢的课外读物之一,极大的丰富了儿童美术教育资源。小学美术课是九年义务教育阶段一门必修的艺术文化课程,对于促进学生德、智
为降低制冷机房运行能耗,提出了一种基于正交试验分析法的变流量变温差控制策略。首先介绍了变流量变温差的提出和实现思路,然后建立了螺杆式冷水机组和水泵设备模型,对模型进行
根据国家发改委温室气体清单估算法,估算1993~2009年间白沙县森林生物量碳贮量变化,测算抑制森林转化引起的温室气体排放量,并预测2010~2015年间白沙县森林生物量碳贮量变化
简述无功补偿技术的发展和需求,介绍SVG无功补偿技术的原理和优势,重点分析SVG在高压和低压无功补偿领域的应用,提供SVG无功补偿在实际应用中容量的计算方法和配置原则,总结S