文献

J-GLOBAL ID：201802233145633345   整理番号：18A1449452

構造類似ページクラスタリングに基づく本文抽出アルゴリズム研究【JST・京大機械翻訳】

Research on text extraction algorithm based on structure similarity page clustering

著者 (4件)： Wang Haiyong (蘭州交通大学 電子与信息工程学院,蘭州,730070) ,  Feng Zhaoxu (蘭州交通大学 電子与信息工程学院,蘭州,730070) ,  Yang Haibo (蘭州交通大学 電子与信息工程学院,蘭州,730070) ,  Zhang Jindong (蘭州交通大学 電子与信息工程学院,蘭州,730070)
資料名： Jisuanji Gongcheng yu Yingyong  (Jisuanji Gongcheng yu Yingyong)
巻： 54  号： 11  ページ： 122-127,139  発行年： 2018年 
JST資料番号： C2533A  ISSN： 1002-8331  CODEN： JGYYAT  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 現在のインターネットページがますます多様化し複雑になるという特徴に対して、構造類似Webページクラスタリングに基づくWebページ本文抽出アルゴリズムを提案した。ウェブページの先端テンプレートの各”ブロック”がテンプレートの貢献に異なる重みを付与し、次に2つのページ中の対応ブロックの類似度を計算したものである。各ブロックの類似度と重み積の総和を2つのページの類似度とする.アルゴリズムは,Webページの正文抽出に及ぼす大きい構造のWebページの影響を十分に考慮し,Webページの類似性を計算することによって,Webページをクラスタ化して,同じクラスタからのWebページの正文抽出の結果をより正確にした。実験結果は,この方法がより高い精度を持ち,すべての評価指標が改善されたことを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 類似性 ,  インターネット ,  *アルゴリズム ,  *クラスタ化 ,  多様化 ,  *クラスタ ,  Webページ
準シソーラス用語： 評価指標 ,  類似度 , 【Automatic Indexing@JST】

著者キーワード (4件)： information extraction ,  similarity ,  Document Object Model(DOM)tree ,  hierarchical clustering

分類 (2件)： 計算機網  (JC03000K) ,  数値計算  (JE02000J)

タイトルに関連する用語 (5件)： 類似 ,  ページ ,  クラスタリング ,  アルゴリズム ,  研究