论文
基于FFT的网页正文提取算法研究与实现
| 第一作者： | 李蕾 |
|---|---|
| 英文第一作者： | Li Lei |
| 联系作者： | 李蕾 |
| 英文联系作者： | Li Lei |
| 发表年度： | 2007 |
| 卷： | 43 |
| 摘要： | ？？？ 主要研究"正文式"网页的有效信息提取算法.该种底层网页真正含有Web页面所表达的主题信息,通常包含一大段的正文信息,正文信息的前后是一些格式信息(例如导航信息、交互信息、JavaScript脚本等).分析了此种网页的页面结构特征,将问题转化为--给定一个底层网页的HTML源文件,求解最佳的正文区间;从而提出了一种基于快速傅立叶变换的网页正文内容提取算法.采用窗口分段的方法,利用统计学原理和FFF,得出每个可能区间的权值,从而求解出最佳正文区间.实验结果表明,此种方法能比较准确的对"正文式"网页的有效信息进行提取. |
| 刊物名称： | 计算机工程与应用 |