一种Web文本的自动提取方法.pdfVIP

下载本文档

16
0
约 5页
2017-08-12 发布于重庆
举报
版权申诉

一种Web文本的自动提取方法.pdf

1、本文档共5页，可阅读全部内容。
2、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

一种Web文本的自动提取方法.pdf

第24卷第6期江苏科技大学学报(自然科学版) V01．24No．6 2010年12月 of ofScienceand Science Dec．2010 Journal University Jiangsu Technology(NaturalEdition) 一种Web文本的自动提取方法印国成1，孙茂圣1，2 (I．扬州大学广陵学院，江苏扬州225009) (2．南京航空航天大学信息科学与技术学院，江苏南京210016) 摘要：文本是Web上最主要的知识源，但现有的采用html表示的Web页面把文本内容和格式控制符混杂在一起，阻碍了知识获取的进程．文中提出了一种面向Web网页的分离文本与格式控制符的方法，通过对html文件的解析，过滤所有的格式控制符，得到一个页面内容的纯文本文件．该方法具有普适性，与文本的语言和领域无关，并可用于Web知识获取的预处理．关键词：网页；文本；格式控制符；分离中图分类号：TP393 文献标志码：A 文章编号：1673—4807(2010)06—0596—04 Methodforautomatic oftextfromweb acquisition pages Yin Guochen91，SunMaoshen912 (1．GuanglingCollege，YangzhouUniversity，YangzhouJiangsu225009，China) ofInformationScienceand ofAeronauticsand (2．School Technology，NanjingUniversity Astronautics，NanjingJiangsu210016，China) isthe sourceof in html Abstract：Text Web withthe ex- leading knowledgeWeb．However，theexistingpage mixestextcontentandformatcontr01．Thishindersthe of pression processknowledgeacquisition．Thispaper a methodofthecontroloftextandformatorientedWeb thehtmlfileandfil- presentedseparation page，analyzing allofthe controlcodesto a of textcontent．Themethodisuniversalandinde． tering formatting getpageplain of anddomainofthe canbeusedforthe Web text．Also，it of pendentlanguage pretreatment knowledgeacquisi· tion．