【摘 要】
：
该文提出了一种基于统计与正文特征的网页正文抽取方法。该方法继承了统计方法的优点,同时利用正文特征克服了原有基于统计的方法无法抽取多正文体网页的缺陷。源于多正文体
【机 构】
：
中国科学院计算技术研究所,湘潭大学信息工程学院,首都师范大学计算机科学联合研究院
【基金项目】
：
国家“十一五”863计划资助项目(2006AA01Z112)
论文部分内容阅读
该文提出了一种基于统计与正文特征的网页正文抽取方法。该方法继承了统计方法的优点,同时利用正文特征克服了原有基于统计的方法无法抽取多正文体网页的缺陷。源于多正文体在网页的DOM树中对应着正文区域下的多棵具有相似特征的正文子树,该文首先基于统计的方法获取一条正文路径,然后学习该路径的正文特征识别正文区域和子树主干,最后根据区域及该主干具有的正文特征进而得到完整的正文。实验表明该方法抽取单正文和多正文的精确率分别为94%和91%。
其他文献
长富2号是日本以富士(国光×元帅)芽变系中选出的浓红型品种,1980年引入我国。树势健壮,生长速度较国光为快,萌芽率高,成枝力较强,并有腋花芽结果习性。果个较大,平均单果重
新课程标准指出教学活动要关注学生的个性发展,注重培养学生的创新思维和创新能力。所以,数学教师要根据学生的不同情况有针对性地开展数学教学活动,使每个学生的思维都能得
随着声音大秀《声临其境》的大火,市场、社会对播音专业学生'玩转'声音的要求日渐提高,我们应当思考在新时代下配音课的教学过程当中是否存在教学方式过时、教学效果
外语教育作为国际理解教育的重要组成部分,能使人们有效地了解国外文化,加强国际交流与合作,不断增强国际理解。本文主要分析了日本在开展国际理解教育过程中的外语教育发展
建立铝合金热冲压成形的有限元模型,研究坯料初始温度、冲压速度、压边力及摩擦因数对板料成形质量的影响,通过铝合金热冲压实验验证有限元模拟的可靠性。研究结果表明：400～500
目的了解高一新生的心理健康状况及其影响因素，为预防和改善高一新生心理问题提供依据。方法采用症状自评量表SCL-90和自编适应调查问卷对扬州2所中学160名高一新生进行问卷调
<正> 近年,银行系统因依法收贷而起诉形成的经济纠纷案件很多,然而,有相当一部分案件虽然胜诉了,但一直未能执行,致使银行债权难以实现。 胜诉案件执行不了的原因: 一、债务
十一黄金周,拍卖圈的人不是在香港就是在去香港的路上,各自做足了准备的三家拍卖行在香港剑拔弩张。惊心动魄轰轰烈烈的一周,香港市场创下了多个“第一”的成交纪录,任何一条
目前生态德育成为学术界研究的热点,但是对其所属理论学科仍存有争辩,对生态德育深入研究和理论发展有较大制约性;生态德育实质是生态伦理学的实践范畴和实践形态,生态伦理学
红色邻二氮杂菲铁示踪结果表明：二价铁肥根系输液以二价态由根被动吸收,由靠近形成层的木质部,运输到根、茎、叶及其主脉内,运输速度每小时可达数十厘米.室内营养液培养的八棱