|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2010年09 期
| 標(biāo)題 |
| 網(wǎng)頁信息自動(dòng)抽取技術(shù)的研究(19 卷) |
| 英文標(biāo)題 |
| Research on automatic extraction technology of Web information |
| 摘要 |
| 在網(wǎng)絡(luò)輿情分析中，經(jīng)常要從大量的網(wǎng)頁信息中抽取出有用的數(shù)據(jù)。但一般的網(wǎng)頁信息抽取技術(shù)都是基于對HTML文檔的分析。本文提出網(wǎng)頁信息自動(dòng)抽取的方法，可以濾除網(wǎng)頁噪聲，快速準(zhǔn)確地獲取所需要的網(wǎng)頁信息。該方法首先將HTML轉(zhuǎn)換為結(jié)構(gòu)化的XML文檔，然后結(jié)合DOM4J和XPath語言 |
| 作者 |
| 新聞作者:胡少榮，孟嗣儀，劉 云，張彥超，丁 飛 |
| 關(guān)鍵字 |
