中国科学院新疆理化技术研究所机构知识库
Advanced  
XJIPC OpenIR  > 多语种信息技术研究室  > 期刊论文
题名: 维吾尔文网页正文抽取系统的研究与实现
其他题名: research and implementation of uyghur web content extraction system
作者: 蔡李; 单艳; 薛化建; 苏国平
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
刊名: 计算机工程与设计
发表日期: 2012
卷: 33, 期:2, 页:551-555
资助者: 中国科学院“西部行动计划高新技术基金项目”(KGCX2-YW-507)
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。
内容类型: 期刊论文
URI标识: http://ir.xjipc.cas.cn/handle/365002/1489
Appears in Collections:多语种信息技术研究室_期刊论文

Files in This Item:
File Name/ File Size Content Type Version Access License
维吾尔文网页正文抽取系统的研究与实现.pdf(335KB)期刊论文作者接受稿开放获取View 联系获取全文

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

Recommended Citation:
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.
Service
Recommend this item
Sava as my favorate item
Show this item's statistics
Export Endnote File
Google Scholar
Similar articles in Google Scholar
[蔡李]'s Articles
[单艳]'s Articles
[薛化建]'s Articles
CSDL cross search
Similar articles in CSDL Cross Search
[蔡李]‘s Articles
[单艳]‘s Articles
[薛化建]‘s Articles
Related Copyright Policies
Null
Social Bookmarking
Add to CiteULike Add to Connotea Add to Del.icio.us Add to Digg Add to Reddit
文件名: 维吾尔文网页正文抽取系统的研究与实现.pdf
格式: Adobe PDF
所有评论 (0)
暂无评论
 
评注功能仅针对注册用户开放,请您登录
您对该条目有什么异议,请填写以下表单,管理员会尽快联系您。
内 容:
Email:  *
单位:
验证码:   刷新
您在IR的使用过程中有什么好的想法或者建议可以反馈给我们。
标 题:
 *
内 容:
Email:  *
验证码:   刷新

Items in IR are protected by copyright, with all rights reserved, unless otherwise indicated.

 

 

Valid XHTML 1.0!
Powered by CSpace