论文部分内容阅读
本文选取网络文本资源的标题识别作为切入点,除考虑多数研究关注的文本的格式信息(如字体)、位置信息等特征外,加入对标题与网页正文内容的相关度的考虑,利用科技监测项目采集到的大量历史数据作为统计分析的基础,从候选标题的可能来源和特征方面,构建了基于规则的网络文本资源标题快速识别方法,并最终给出了该方法的时间效率和识别准确率测评结果。基于识别出的标题,可以进一步推动信息检索、文本聚类、主题监测等后续内容分析工作的开展。