论文部分内容阅读
利用网页的视觉特征和DOM树的结构特性对网页进行分块,并采用逐层分块逐层删减的方法将与正文无关的噪音块删除,从而得到正文块。对得到的正文块运用VIPS算法得到完整的语义块,最后在语义块的基础上提取正文内容。试验表明,这种方法是切实可行的。
基于视觉特征的网页正文提取方法研究
【摘 要】
：
利用网页的视觉特征和DOM树的结构特性对网页进行分块,并采用逐层分块逐层删减的方法将与正文无关的噪音块删除,从而得到正文块。对得到的正文块运用VIPS算法得到完整的语义
【机 构】
：
中国石油大学（华东）计算机与通信工程学院
【出 处】
：
微型机与应用
【发表日期】
：
2010年03期
其他文献
<正> 王不留行,又名不留行、剪金花,为行血通经、催生下乳之药,常用于妇女经闭、乳汁不通等症。目前很多地区将有通乳作用的凉粉果称作王不留行,在临床上代替使用。凉粉果又
通过台架模拟试验及滑行性能检测方法的分析,找出检测中存在的问题,并将道路与台架滑行试验进行比对,分析两者之间的差别。研究滑行距离与整车车轮阻滞力间存在的关联关系,提
在中国开展英语浸入式教学,是指通过最大限度地将英语作为教学语言,对母语为汉语的儿童进行各种教学活动,使他们在幼儿园或学校期间被浸泡(immerse)在第二语言——英语的语言
研究多元统计分析的理论,利用主成分分析和聚类分析的方法对区域经济指标体系进行分析和综合,找出实质体的数量特征和内在统计规律性。通过实际的历史数据进行演算,证实与当
流域的产汇流是很复杂的水文过程,也是水文水资源领域的主要研究对象,采用SCS模型对我国湖北省漳河灌区新埠河-桥河流域的水文过程进行模拟研究,并根据该流域实际水文情况和
词汇是语言的三大要素之一。作为语言大厦的基本建筑材料,词汇对学习和运用任何一种语言都是非常重要的。英国著名语言学家Wilkins对此已有很精辟的描述:"没有语法,人们不能
目的:通过对感染后咳嗽患儿治疗前后各项指标的比较,综合评价清燥救肺汤加减方治疗小儿感染后咳嗽风燥伤肺证的临床疗效,拓展小儿感染后咳嗽的治疗思路。研究方法:本研究选取
集丹公路由于线路地质条件复杂以及前期施工过程中存在一些不合理问题,自2000 年投入使用至今仅三年时间,该线路发生了多种类型的边坡失稳事故。由于本区公路边坡破坏形式的
大尹格庄金矿位于中国胶北地体西北部招平断裂带下盘的蚀变花岗质碎裂岩 (绢英岩 )带中 ,断裂上盘为胶东群变质岩系。金主要产于黄铁绢英岩和黄铁矿±多金属硫化物 +石英±碳
<正>过敏性鼻炎,也叫作变应性鼻炎,患者一般可有鼻塞、鼻痒、流鼻涕、打喷嚏、头晕、头痛等主要症状,亦可有失眠、鼻窦炎、鼻出血、中耳炎等合并症状,是一种鼻腔粘膜的变应性