论文部分内容阅读
分析了信息抽取中各种页面预处理的方法，提出一种改进方法-基于DOM树结构的过滤器，并设计了三种过滤器。讨论过滤器的原理，给出了具体的实现算法。最后根据过滤器的一个具体应用，总结出其适应于当前网页的结构和设计的特点，验证了方法的正确性和适用性，大大提高了信息抽取的效率和准确率。
信息抽取中基于DOM树的过滤器方法的研究
【摘 要】
：
分析了信息抽取中各种页面预处理的方法，提出一种改进方法-基于DOM树结构的过滤器，并设计了三种过滤器。讨论过滤器的原理，给出了具体的实现算法。最后根据过滤器的一个具体应用
【机 构】
：
上海大学计算机工程与科学学院
【出 处】
：
微计算机信息
【发表日期】
：
2008年30期
其他文献
常璩《华阳国志》说杜宇"移治郫邑,或治瞿上",由于古蜀历史太多的神话色彩,加之后世对古文献诠释殊异,因此学术界对"郫邑"、"瞿上"在哪里?如何理解杜宇"移治郫邑"?至今各执一
利用非参数估计理论核密度估计方法,研究了多模态场景参考帧的动态维护与更新问题。针对户外伴有树木晃动、水波荡漾等问题的复杂环境,在利用Parzen核估计算法进行动态背景建模的基础上,对该算法进行改进。首先,在运动前景检测阶段,给出了一种改进的阈值设定算法,提高了像素点分类的准确性。其次,在去除噪声阶段,利用像素邻域相关性,降低了目标检测的虚警率。实验结果表明:该算法可更有效地对运动目标进行检测,并具
国家实施西部大开发战略以来，东汽深入贯彻落实科学发展观，转变经济发展方式，调整产业结构，依托高新技术和自主创新迅速拓展特色优势产业，形成了火电、核电、气电、风电、太阳能等
随着集成电路输出开关速度的提高以及PCB板密度增加，如何在PCB板的设计过程中充分考虑信号完整性（SI）问题，已经成为当今PCB设计业界中一个新的热门课题。文中从SI的主要影响入手，
目的:探究在复查肺结核患者时应用多排螺旋CT低剂量扫描检查的临床价值。方法:将2019年1月—2020年1月我院收治的34例肺结核患者按照复查时间将其分为参考组与研讨组,参考组
在近日中科院沈阳自动化所举行的中国工程院＂工业自动化的发展＂工程科技论坛上,浙江大学工业自动化国家工程研究中心、中国工程院院士孙优贤指出,我国对许多大型设备,如大型综
新型乘客信息系统(Passenger Information System,以下简称PIS系统)播放控制器设备的研发,基于海思Hi3796M平台上嵌入安卓系统,研发了轨道交通新型PIS播控器与新型PIS信息播
位于上海市西南郊青浦区的练塘镇,紧邻市河北部的一片江南民居中,坐落着中国社会主义经济建设的开创者和奠基人之一、第一代和第二代中央领导集体重要成员陈云的纪念馆。陈云
随着我国经济快速发展,人们生活水平逐渐提高,其对多样化、高品质文化产品的需求也在日益增加。从消费统计上看,文化产品的支出相比其他支出较多,发展潜力无限。博物馆作为文