【摘 要】
：
针对新闻网页文本处理问题,提出了一种基于决策树抽取新闻标题并利用单元距离识别正文的方法.该方法将文本相似度、网页标记和属性作为决策树节点选择的测试属性项,各属性项
【基金项目】
：
山西省教育科学“十三五”规划课题:“基于创新创业教育理念的大数据相关专业教学模式研究”(GH-18091),晋中学院教学改革创新项目:“创新创业教育融入数据科学和大数据技术专业教育的案例研究”(Jg201807).
论文部分内容阅读
针对新闻网页文本处理问题,提出了一种基于决策树抽取新闻标题并利用单元距离识别正文的方法.该方法将文本相似度、网页标记和属性作为决策树节点选择的测试属性项,各属性项的信息熵计算同时考虑了与标题相关和不相关的因素,在此基础上建立决策树,并根据规则定位新闻标题.利用网页标记的嵌套特征,缩小查找范围,根据网页各信息块间的显著边界定位新闻正文.实验结果表明,该方法抽取新闻标题的准确率在87%以上,抽取正文的平均准确率达到76%,对其他网页文本处理具有一定借鉴意义.
其他文献
为了明确苗期玉米根系和叶片对干旱的生理响应，采用人工控制水分的方法，研究了干旱胁迫下苗期玉米（Zea mays L .）根系和叶片的生理指标。结果表明：苗期在中度干旱胁迫处理的条件下
【正】 第一届亚运会于1951年在印度新德里举行。当时中华全国体育总会曾应邀派代表团参观了运动会。第二届亚运会时,台湾国民党政权的所谓“代表”挤进了亚运会联合会。从此
在柔性数字制造系统（FDMS）实验平台的介绍中对控制层与设备层相关部件进行数学表达,重点介绍了机器人控制系统,对机器人在某一工作站中的问题进行分析并成功解决,指出了工业机
【正】 几年前,我在研读元代杂剧作品时,发现元代流行过一种名叫“打髀殖”的游戏,而且至今仍在一些地区可以见到。笔者孤陋寡闻,不曾在报刊杂志上见到过介绍这种游戏的专文
一沉寂寂的小河，河水乌黑，并不时冒出白泡，似在控诉人类文明的败笔。
概述美国海事补充规则之规则B的适用条件,并对电子转账的保全、辅助国外仲裁/诉讼的保全、执行国外裁决或判决的保全及对保全的抗辩进行介绍,并分析规则B的最新发展。
“环境艺术”随着城乡建设的发展越来越被关注,所谓的环境有物质的、可视的、具体的,还有心理的、人文的、抽象的。环境艺术是指以创造性的方式使一些物质构成具有美学特征的
【正】 闲暇的本身可以说是科学技术文明的产物,人类总是在不断地进步和发展,因而闲暇时间也总是在不断地扩大,这为人类的个性解放和自我完善提供了极为有利的空间和时间。仔
【正】 翻开中国的近代体育史,只有足球在远东运动会中得到8次冠军,1次并列冠军。对比其它项目,应属佼佼者。当时中国队的一些优秀选手,几乎都集中在港、沪等几个城市。 从旧
中共中央、国务院日前批复了《河北雄安新区规划纲要》（以下简称＂《纲要》＂）,新华社4月21日全文播发了《纲要》。《纲要》在＂城乡空间布局＂部分指出,综合考虑新区定位、发展目标和