论文部分内容阅读
Web页面中常包含非主题信息的内容，网页必须剔除这些无用的信息后才能形成有用的文本信息。文本分类对文本信息的进一步加工处理至关重要，是信息搜索领域的另一研究课题。为了剔除网页中的无用信息，提出一种基于HTML自身结构特点的网页正文信息抽取方法，同时结合文章标题信息，实现文本自动分类的简易分类方法。该方法可以提高网页正文提取及其自动文本分类的效率。实验证明，该方法是可行的。