论文部分内容阅读
Web页面信息通常包含大量无关结构和HTML标记，而页面主题信息通常淹没其中，如何快速获取Web页面主题信息。本文提出了一种抽取策略，首先判定是否为主题型页面，然后提取网页正文信息，最后利用正则表达式滤除内容块中HTML标记和无关文字。实验结果表明：该方法能准确地完成主题型网页的正文抽取任务。
基于主题型页面的正文信息抽取技术研究
【摘 要】
：
Web页面信息通常包含大量无关结构和HTML标记，而页面主题信息通常淹没其中，如何快速获取Web页面主题信息。本文提出了一种抽取策略，首先判定是否为主题型页面，然后提取网页正文信
【机 构】
：
仪征技师学院
【出 处】
：
计算机光盘软件与应用
【发表日期】
：
2015年1期
其他文献
国内硫磺市场分化走势愈演愈烈，各硫磺生产企业出厂价格不断上调，而各主要港口硫磺交易价格却呈现不断回落之势，对此商家心态不一，市场观望情绪依旧浓厚。从国内需求面来看，随着下
美国建筑师学会（AIA）日前评选出了2016年7个小型项目获奖者。这些建筑公司因为设计出了如此优秀的小型建筑项目而让人们记住了他们。今年获奖者被分为两类：第一类是“针对单个小
小学图书室的基本任务,就是为教师的教育、教学服务,为提高教育质量服务。回顾我校图书室建成9年来为教育、教学所发挥的效能,可归结为“五服务”。 一、为教师备课、上课服
卡利亚里位于意大利撒丁岛南部卡利亚里湾的北端,是撒丁区的首府,也是意大利著名的港口城市。从公元前开始,这里先后经历了腓尼基人、迦太基人和罗马人的统治,漫长的历史演变
Koya是一间IT公司的卫星办公室，坐落于东京德岛的神山町。这个远离东京市区的偏远地带是个真正的农村，全然没有大都市的繁华景象，甚至比较荒凉。办公室的选址也让人大跌眼镜，是一
6月1日，始终致力于创新突破的整体厨房解决方案提供者Arda安德厨电，在此届上海国际厨房卫浴展上欣然向国人发出邀请，一起探索自然之力，领略创意之美：创意源于掌控自然。
<正> 我校是一所中等卫生学校,经过多次评估,被确定为省部级重点学校。近几年来,为了提高学校的档次,与山东医科大学联合办学,开设了临床医学检验、护理大专班。中专教育开设
有关危重病人的脓毒血症是源于肠道内细菌这一问题已引起临床医师的广泛关注，肠内细菌为什么会成为全身性感染的致病菌是当今研究的重点。对多器官功能衰竭（ＭＯＦ）是细菌易位的原因还