维吾尔文网页正文抽取系统的研究与实现
文献类型：期刊论文
| 作者 | 蔡李; 单艳; 薛化建; 苏国平 |
| 刊名 | 计算机工程与设计
 |
| 出版日期 | 2012 |
| 卷号 | 33期号:2页码:551-555 |
| 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 |
| ISSN号 | 1000-7024 |
| 其他题名 | research and implementation of uyghur web content extraction system |
| 中文摘要 | 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。 |
| 公开日期 | 2012-11-29 |
| 源URL | [http://ir.xjipc.cas.cn/handle/365002/1489]  |
| 专题 | 新疆理化技术研究所_多语种信息技术研究室 |
| 作者单位 | 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 |
| 推荐引用方式 GB/T 7714 | 蔡李,单艳,薛化建,等. 维吾尔文网页正文抽取系统的研究与实现[J]. 计算机工程与设计,2012,33(2):551-555. |
| APA | 蔡李,单艳,薛化建,&苏国平.(2012).维吾尔文网页正文抽取系统的研究与实现.计算机工程与设计,33(2),551-555. |
| MLA | 蔡李,et al."维吾尔文网页正文抽取系统的研究与实现".计算机工程与设计 33.2(2012):551-555. |
入库方式： OAI收割
来源：新疆理化技术研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。