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: 基于正文相关度的维吾尔网页正文提取
作者: 王瑞; 周喜; 李晓
关键词: 正文提取 ; 正文相关度 ; 信息安全 ; 自然语言处理 ; 正文密度
刊名: 计算机工程
发表日期: 2012
卷: 38, 期:21, 页:153-156+160
资助者: 新疆维吾尔自治区高技术研究发展基金资助项目(201012112);新疆维吾尔自治区电子发展专项基金资助项目(XJDZZXZJ20109)
摘要: 网页表达的主要信息通常隐藏在大量无关的结构与文字中,使正文信息不能被迅速获取,影响文本检测的效率。为此,根据维吾尔网页的非规范化编码、论坛型网页较多等特点,提出一种基于正文相关度的正文提取算法,并建立上下文正文密度和节点间正文比例等数学模型对算法进行改进。对大量维吾尔网页的实验结果表明,该算法具有较好的正文提取正确率和召回率,能够有效地从维吾尔网页中提取到所需的正文信息。
英文摘要: In addition to the main content, most Uighur Web contain noises such as navigation panels, advertisements which are not related to the main content. To improve the efficiency of security detection, this paper presents a content extraction algorithm of Uighur Web based on Web text correlativity, and designs the model of text density and content scale to improve the algorithm. Experimental result shows that this algorithm can extract the main content from the Uighur Web efficiently.
内容类型: 期刊论文
URI标识: http://ir.xjipc.cas.cn/handle/365002/2412
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
基于正文相关度的维吾尔网页正文提取.pdf(1297KB)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

Recommended Citation:
王瑞,周喜,李晓. 基于正文相关度的维吾尔网页正文提取[J]. 计算机工程,2012,38(21):153-156+160.
Service
Recommend this item
Sava as my favorate item
Show this item's statistics
Export Endnote File
Google Scholar
Similar articles in Google Scholar
[王瑞]'s Articles
[周喜]'s Articles
[李晓]'s Articles
CSDL cross search
Similar articles in CSDL Cross Search
[王瑞]‘s Articles
[周喜]‘s Articles
[李晓]‘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: 基于正文相关度的维吾尔网页正文提取.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