基于標(biāo)簽的信息抽取預(yù)處理算法
2009-01-06 04:55:38范春曉和曉軍李淑云
數(shù)字技術(shù)與應(yīng)用 2009年11期
范春曉 和曉軍 李淑云
[摘 要]針對(duì)現(xiàn)有現(xiàn)有HTML網(wǎng)頁的特點(diǎn),提出了一種基于標(biāo)簽的Web 網(wǎng)頁的清洗技術(shù),該方法基于HTML各種標(biāo)簽的特點(diǎn),對(duì)修飾性等與內(nèi)容無關(guān)的標(biāo)簽進(jìn)行清洗,首先界定清洗的規(guī)則,對(duì)可清洗的標(biāo)簽進(jìn)行定義;然后根據(jù)清洗規(guī)則對(duì)HTML網(wǎng)頁進(jìn)行處理。本論文所提方法沒有改變文檔的半結(jié)構(gòu)特點(diǎn),使后續(xù)信息的抽取較之未改進(jìn)有明顯的優(yōu)勢。
猜你喜歡
小獼猴智力畫刊(2022年3期)2022-03-29 01:09:42
數(shù)學(xué)小靈通(1-2年級(jí))(2021年4期)2021-06-09 06:26:14
Coco薇(2017年11期)2018-01-03 20:59:57
中華手工(2017年2期)2017-06-06 23:00:31
暨南學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版)(2016年9期)2017-01-15 13:52:02
Coco薇(2016年2期)2016-03-22 02:42:52
Coco薇(2015年1期)2015-08-13 02:47:34
小雪花·成長指南(2015年4期)2015-05-19 14:47:56
中外會(huì)展(2014年4期)2014-11-27 07:46:46
祝您健康(1987年3期)1987-12-30 09:52:32
數(shù)字技術(shù)與應(yīng)用2009年11期
- 數(shù)字技術(shù)與應(yīng)用的其它文章
- 企事業(yè)單位局域網(wǎng)的網(wǎng)絡(luò)信息安全關(guān)鍵技術(shù)分析
- 基于SOM神經(jīng)網(wǎng)絡(luò)的中國球粒隕石26種元素濃度數(shù)值分布的自組織分類①
- 利用計(jì)算機(jī)并口ECP模式實(shí)現(xiàn)計(jì)算機(jī)對(duì)外圍設(shè)備的控制及數(shù)據(jù)采集
- 淺談使用UGNX對(duì)機(jī)械結(jié)構(gòu)進(jìn)行運(yùn)動(dòng)分析
- 高校多媒體存在的問題與方法探討
- 高速動(dòng)車組的電磁干擾源淺析