CAJ | 학술논문

使用STU-DOM这种网页提取技术，在实际操作过程中，在对不含超级链接的网页噪音进行判断时，准确性较低，同时，这种技术也不能有效处理DIV、TABLE标签中的正文信息。这是一种效果比较差的网页去噪技术。本文针对STU-DOM树在提取网页过程中出现的相关问题，比较分析当前几种常见的技术方法，在此基础上使用合适的技术升级扩展STU-DOM树，通过计算网页标题与结点词共现频率，然后分析文本间的相似度，得到标题与文本距离，实现网页正文提取。实验结果证明，该去噪方法能够有效去除网页噪音。
사용STU-DOM저충망혈제취기술，재실제조작과정중，재대불함초급련접적망혈조음진행판단시，준학성교저，동시，저충기술야불능유효처리DIV、TABLE표첨중적정문신식。저시일충효과비교차적망혈거조기술。본문침대STU-DOM수재제취망혈과정중출현적상관문제，비교분석당전궤충상견적기술방법，재차기출상사용합괄적기술승급확전STU-DOM수，통과계산망혈표제여결점사공현빈솔，연후분석문본간적상사도，득도표제여문본거리，실현망혈정문제취。실험결과증명，해거조방법능구유효거제망혈조음。