清华大学学报（自然科学版）
清華大學學報（自然科學版）
청화대학학보（자연과학판）
JOURNAL OF TSINGHUA UNIVERSITY SCIENCE AND TECHNOLOGY
2005年
9期
1743-1747
,共5页
万维网%网页%信息提取%模板%搜索引擎
萬維網%網頁%信息提取%模闆%搜索引擎
만유망%망혈%신식제취%모판%수색인경
为了消除网页噪音,有效地提取基于模板的网页主题信息,提出了一种新的信息提取方法.该方法采用机器自动学习方式生成网页集的模板;以网页链接关系中的锚点文本作为提取目标对模板进行标记,生成对应模板的提取规则;依据模板的提取规则对网页主题信息进行提取.对国内2 588个新闻网页进行了检测.实验结果表明,该方法可以快速、有效地提取模板生成的网页集主题信息,准确率达99.5%.将该方法应用于搜索引擎系统(木棉检索)中,与原来的检索系统相比较,索引文件的大小减少约50%,检索的速度和精确度也得到提高.
為瞭消除網頁譟音,有效地提取基于模闆的網頁主題信息,提齣瞭一種新的信息提取方法.該方法採用機器自動學習方式生成網頁集的模闆;以網頁鏈接關繫中的錨點文本作為提取目標對模闆進行標記,生成對應模闆的提取規則;依據模闆的提取規則對網頁主題信息進行提取.對國內2 588箇新聞網頁進行瞭檢測.實驗結果錶明,該方法可以快速、有效地提取模闆生成的網頁集主題信息,準確率達99.5%.將該方法應用于搜索引擎繫統(木棉檢索)中,與原來的檢索繫統相比較,索引文件的大小減少約50%,檢索的速度和精確度也得到提高.
위료소제망혈조음,유효지제취기우모판적망혈주제신식,제출료일충신적신식제취방법.해방법채용궤기자동학습방식생성망혈집적모판;이망혈련접관계중적묘점문본작위제취목표대모판진행표기,생성대응모판적제취규칙;의거모판적제취규칙대망혈주제신식진행제취.대국내2 588개신문망혈진행료검측.실험결과표명,해방법가이쾌속、유효지제취모판생성적망혈집주제신식,준학솔체99.5%.장해방법응용우수색인경계통(목면검색)중,여원래적검색계통상비교,색인문건적대소감소약50%,검색적속도화정학도야득도제고.
