技术编号:9375852
提示:您尚未登录,请点 登 陆 后下载,如果您还没有账户请点 注 册 ,登陆完成后,请刷新本页查看技术详细信息。 随着Internet技术的普及,web上的数据激增,网页上承载的信息成为人类信息 的重要来源。然而,web页面中嵌入了大量的网页链接、广告、插件等所谓的"噪音",使得信 息检索、数据挖掘、机器翻译和文本摘要等信息处理复杂度骤升。在此背景下,迫切需要一 种快捷有效的web文本抽取方法将网页正文之外的噪声剔除并正确提取网页的正文信息。 目前常用的信息抽取算法中,基于标签的算法严重依赖作者的写作习惯,而且往 往需要构建较高复杂度的DOM树,遍历递归标签则必然牺...
注意:该技术已申请专利,请尊重研发人员的辛勤研发付出,在未取得专利权人授权前,仅供技术研究参考不得用于商业用途。
该专利适合技术人员进行技术研发参考以及查看自身技术是否侵权,增加技术思路,做技术知识储备,不适合论文引用。
请注意,此类技术没有源代码,用于学习研究技术思路。