期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
维吾尔文网页正文抽取系统的研究与实现
被引量：
3
1
作者
蔡李
单艳
+1 位作者
薛化建
苏国平
《计算机工程与设计》
CSCD
北大核心
2012年第2期551-555,共5页
从构建大规模维吾尔文语料库的角度出发,归纳总结各类网页正文抽取技术,提出一种基于文本句长特征的网页正文抽取方法。该方法定义一系列过滤和替换规则对网页源码进行预处理,根据文本句长特征来判断文本段是否为网页正文。整个处理过...
从构建大规模维吾尔文语料库的角度出发,归纳总结各类网页正文抽取技术,提出一种基于文本句长特征的网页正文抽取方法。该方法定义一系列过滤和替换规则对网页源码进行预处理,根据文本句长特征来判断文本段是否为网页正文。整个处理过程不依赖DOM树型结构,克服了基于DOM树结构进行正文抽取方法的性能缺陷。实验结果表明,对于维文各类型的网页正文提取,该方法均具有较高的准确度度和较好通用性。
展开更多
关键词
维吾尔文
网页正文抽取
语料库
文本句长特征
WEB
文本
挖掘
在线阅读
下载PDF
职称材料
题名
维吾尔文网页正文抽取系统的研究与实现
被引量：
3
1
作者
蔡李
单艳
薛化建
苏国平
机构
中国科学院新疆理化技术研究所
中国科学院研究生院
新疆维吾尔自治区经济和信息化委员会
出处
《计算机工程与设计》
CSCD
北大核心
2012年第2期551-555,共5页
基金
中国科学院"西部行动计划高新技术基金项目"(KGCX2-YW-507)
文摘
从构建大规模维吾尔文语料库的角度出发,归纳总结各类网页正文抽取技术,提出一种基于文本句长特征的网页正文抽取方法。该方法定义一系列过滤和替换规则对网页源码进行预处理,根据文本句长特征来判断文本段是否为网页正文。整个处理过程不依赖DOM树型结构,克服了基于DOM树结构进行正文抽取方法的性能缺陷。实验结果表明,对于维文各类型的网页正文提取,该方法均具有较高的准确度度和较好通用性。
关键词
维吾尔文
网页正文抽取
语料库
文本句长特征
WEB
文本
挖掘
Keywords
Uyghur
web content extraction
corpus
text sentence length characteristic
web text mining
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
维吾尔文网页正文抽取系统的研究与实现
蔡李
单艳
薛化建
苏国平
《计算机工程与设计》
CSCD
北大核心
2012
3
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
