基于DOM的Web文本分割

摘要：

利用web文档的半结构化信息,提出一种基于DOM的web文本分割算法.该算法充分挖掘web网页中控制网页内容结构和显示的HTML标签信息,构建HTML DOM树.首先通过改进传统的平面文本分割方法,使之适用于web文本分割;然后利用DOM树中的节点平滑平面文本分割的结果,初步实验表明该算法能有效提高web文本分割的精确度.

关键词：DOM、文本分割、主题边界、文本节点

所属期刊栏目：53

分类号：TP311(计算技术、计算机技术)

在线出版日期：2009-04-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：116-120