【摘 要】
：
目前网页上出现越来越多的广告信息,使得准确抽取网页正文信息变得越来越难.针对这一问题,文中提出了一种基于权值优化的网页正文内容提取算法.该算法首先通过分析网页正文内
【机 构】
：
四川大学计算机学院∥网络与可信计算研究所,中国电子科技集团公司第二十九研究所信息综合控制国家重点实验室
论文部分内容阅读
目前网页上出现越来越多的广告信息,使得准确抽取网页正文信息变得越来越难.针对这一问题,文中提出了一种基于权值优化的网页正文内容提取算法.该算法首先通过分析网页正文内容的特点,确定主题块的特征属性,得出这些属性的统计特征;然后,利用各个特征属性具有不同重要性的特点,使用粒子群优化算法对特征权值及阈值进行了优化和确定,使其性能得到进一步的提升;最后通过实验对该方法进行验证.结果表明,与未经权值优化的提取算法相比,在基本维持相同精确率的基础上,该方法可使网页正文内容提取的召回率提升至95.8%.
其他文献
ue＊M＃’＃dkB4＃＃8＃”专利申请号:00109“7公开号:1278062申请日:00.06.23公开日:00.12.27申请人地址:（100084川C京市海淀区清华园申请人:清华大学发明人:隋森芳文摘:本发明属于生物技
基于退化建模的剩余寿命预测(Remaining useful life,RUL)是当前可靠性领域研究的热点.现有的退化模型都是针对单个时间尺度下的退化设备,缺少对设备性能变化与多个时间尺度
ue＊M＃’＃dkB4＃＃8＃”专利申请号:00109“7公开号:1278062申请日:00.06.23公开日:00.12.27申请人地址:（100084川C京市海淀区清华园申请人:清华大学发明人:隋森芳文摘:本发明属于生物技
《毛诗谱》是东汉经学大师郑玄晚年的作品。《毛诗谱》虽依毛诗以作《谱》，但鲁、齐、韩三家诗的影响也不容忽视。本文在运用大量相关材料的基础上，从《诗经》产生的历史年代、
目的:分析对于急性心肌梗死患者通过合用盐酸胺碘酮注射液与中医药血府逐於汤的治疗效果。方法:抽取 2018 年 8 月~ 2020 年 1 月本院 70 例急性心肌梗 死病例,依据药物治疗
提出了利用测距仪测定运动矿车中铁矿石品位的技术原理和方法。测定系统已在鲁中冶金矿业集团公司应用,所测矿石品位偏差在0.4%以内,满足了界定品位的需要,在提高运矿效率、减少矿石损失、减少质检人员和降低成本等方面具有重要作用。
建立了适用于工程分析的热电直接转换系统模型,给出了内置式强化温差发电器的结构和数学描述,对发电器通道内的对流换热和阻力特性进行了数值计算,得出了对流换热系数、温度
基于洪湖1959-2004年鱼类群落状况的调查研究,应用分类学多样性指数分析洪湖鱼类群落分类学多样性的变动.结果显示:受江湖阻隔及人为干扰加剧等因素影响,洪湖鱼类种、属的数
医院档案作为医院进行医疗决策以及管理的参考依据,对医院日后的发展起到不可或缺的重要作用。该文主要对医院档案数据管理遇到的问题进行分析,并 提出解决措施,以便可以为其