论文部分内容阅读
Blog（博客）可以称为在线个人日志。作为一种新兴的媒体，Blog目前已经成为一种在Web上表达个人观点和情感的一种非常流行的方式。那么如何从Blog中快速准确地抽取有用的信息（话题发布时间、话题题目、话题内容、评论内容等）就成为了Blog应用中一个非常重要的步骤。提出了一种基于模板化的Blog信息抽取方法，该方法通过分析Blog网站的HTML源代码，然后提取出网站的模板，并根据该模板对Blog网页进行信息抽取。对来自国内10个著名博客网站进行模板的提取，并对这10个网站中的7374个Blog网页进行了实