【摘 要】
：
随着Internet的迅猛发展,Web网页上的信息呈现爆炸式的增长,而网页噪音是任何网页都不可避免的部分,它也是影响阅读网页和进行Web信息处理的一个重要因素.本文提出了一种基于网页框架和规则的网页去噪方法,该方法根据网页中HTML标签〈table〉将网页分成若干部分,并对各个table的长宽比属性进行比较,去掉长宽比很大的部分,然后对其余table中的内容进行分析,根据内部是否存在和段落文字有关
【机 构】
：
大连理工大学信息检索研究室,大连,116024
【出 处】
：
中国中文信息学会,沈阳航空工业学院
论文部分内容阅读
随着Internet的迅猛发展,Web网页上的信息呈现爆炸式的增长,而网页噪音是任何网页都不可避免的部分,它也是影响阅读网页和进行Web信息处理的一个重要因素.本文提出了一种基于网页框架和规则的网页去噪方法,该方法根据网页中HTML标签〈table〉将网页分成若干部分,并对各个table的长宽比属性进行比较,去掉长宽比很大的部分,然后对其余table中的内容进行分析,根据内部是否存在和段落文字有关的标签〈p〉或〈br〉等来区分主题内容和噪音内容,并在此基础上,去除噪音内容.对来自CWT200G(Chinese Web Test collection with 200 GB web pages)中的125个站点的132559个网页进行测试后的结果表明,该方法可以有效的去除网页噪音,将该方法应用于检索,索引文件可以减少约75％,这大大地提高了检索速度.同时,准确度也得到一定提高.
其他文献
以Samsung公司基于ARM7TDMI核的S3C44BOX微处理器为例，介绍了嵌入式系统开发调试的一般过程，并就嵌入式系统启动流程的实现进行讨论，该方法在作者自主开发的目标板上通过了测试
理解面向对象系统是一项复杂的工作,由于分布、并发系统所具有的特性,程序与程序的运行不再一一对应,使这项工作更加困难.通过对程序进行植入,在程序运行时刻得到程序有关进
【摘要】圆周运动是高中物理教学的重要组成部分，其学习难度比较大。因此，教师可以以圆周运动的两个模型为突破口，降低圆周运动理论知识的学习难度，保证学生的学习效率，减轻学生课业负担。基于此，本文展开了分析，分别阐述了两种模型的基本原理及拓展应用案例。 【关键词】竖直平面内;圆周运动;两个模型;拓展应用 【基金项目】本文系2015年度广西教育科学“十二五”规划课题“高中物理课业负担问题研究”（项目编
【摘要】“得语文者得高考，得阅读者得语文。”这是在新高考政策下，教育界流传的一句话，足以体现语文在高考中的重要地位。而阅读在语文教学中的地位举足轻重，课外阅读更是重中之重。对于学生来说，做好课外阅读，可以大大拓宽自身的知识视野，提高语文能力，丰富人文涵养，塑造良好的品质和健康的人格。除此之外，课外阅读更是写作的源泉。本文从兴趣培养、习惯养成、分享阅读、指导阅读和课内外阅读结合五个方面展开分析，以期
随着地理服务技术的发展,相应的地理服务的查询成为了一个重要的问题,其中一种解决方法是设计一种模块化的共享的Ontology来描述Web服务,并利用该Ontology进行服务查询。针对这个问题,该文提出了一种Ontology,它结合了已存在的各种不同的Ontology标准和元数据标准来描述地理服务。
音乐是一门艺术,也是一门重要的学科,它在学生的学习与成长中发挥着重要作用。本文就声势训练在小学音乐教学中的运用进行分析与探讨,提出相应的音乐教育观点,希望能够促进音
在新课标背景下,教师应注重学生数学逻辑思维能力的培养,与此同时还应注重对其观察力、直觉力和想象力的培养,由数学逻辑思维的培养上升到数学直觉思维的锻炼,提高学生在数学
生物是一门以实验为基础的理性学科,是学生学习的重要内容。目前,我国初中生物实验教学存在着不少问题,如课堂教学方式比较单一、学生缺乏学习兴趣等,导致学生失去生物实验学
在小学数学生活化教学已经成为一种主要的教学手段和方式的当下,探索和挖掘小学数学生活化教学模式的德育价值,既有理论意义,又有实践意义。本文认为,小学数学生活化教学模式
随着新课改的不断深入以及信息技术的不断发展和进步,信息技术进入教育,教学的方式和手段得到了不断地深化和运用。复习课是小学英语教学中至关重要的一环,教师将图像、声音