基于局部最优标签树的网页净化方法

摘要：

新闻网页里面包含大量文字分段标签,相比网页其它区域的噪音内容,其主题内容区域的文字分段标签较多.根据这一特点引入局部最优标签树搜索算法.通过搜寻同级节点中分段标签最多的容器节点,消除其它容器节点,从而实现网页净化方法.实验证明方法实现简单、净化效果明显,特别是对新闻类主题文字网页净化效果显著.

关键词：网页净化、信息提取、HTML标签、局部最优、网页噪音

所属期刊栏目：12

分类号：TP391.1(计算技术、计算机技术)

资助基金：重庆第二师范学院研究项目KY201176C、KY201175C

在线出版日期：2013-02-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：9556-9561