文献类型：期刊文章

作　　者：刘艳敏[1] 刘飚[2] 封化民[3] 宋国森[1] 方勇[2]

机构地区：[1]燕山大学信息工程学院,河北秦皇岛066004 [2]北京邮电大学电信工程学院,北京100876 [3]北京电子科技学院信息安全与保密重点实验室,北京100070

出　　处：《计算机工程与应用》

基　　金：国家自然科学基金资助项目(编号:60472082)

年　　份：2006

卷　　号：42

期　　号：21

起止页码：146-148

语　　种：中文

收录情况：AJ、BDHX、BDHX2004、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：Web页面中的主要信息通常隐藏在大量无关的特征中,如无关紧要的图片和不相关的连接,使用户不能迅速获取主题信息,限制了Web的可用性。论文提出一种网页主题内容提取的方法及相应算法,并通过人工判定的方法对来自120个网站的5000个网页进行了测试和评估。实验结果表明该方法切实可行,可达到91.35%的准确率。

关 键 词：HTML 信息提取 页面结构分析  标记统计  

分 类 号：TP311] TP393[计算机类]