Ta上传的资源 (0)

本文详细介绍了网页信息解析的各种技术手段,并且针对新闻网页,提出了两种解析方案:一.采用面向对象的设计理念,提出了基于模板的网页信息抽取方案;二.提出了基于网页结构分析的信息抽取方案。文中详细讨论了这两套系统的算法及其实现,并探讨了两套系统各自的有缺点。最后并提出了一些新的设想、展望、以及改进方案。

一般在浏览Web上的网页时会发现两部分内容：一部分是网页的主题信息，另一部分则是与主题内容无关的导航条、广告信息、版权信息等内容，我们称之为“噪音”内容。通过提取主题信息可以减少一半浏览时间，提高用户获取信息的速度，从而增强Web的可用性