基于分塊的主題信息抽取研究與應用.pdf_第1頁
已閱讀1頁，還剩57頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、目前公安信息網和刑偵網上含有大量的刑事案件信息，如果只通過人工的方式瀏覽、搜集、存儲信息，很難做到對信息全面、快速的整理，不利于案件的及時偵破。本文通過分析公安信息網和刑偵網頁的特點，提出了主題下主題鏈接提取方法和網頁信息抽取方法，并將提出的方法應用到大連市公安局網頁信息抽取系統(tǒng)中。
　　 本文通過對目錄型網頁結構特點的研究，具有相同主題的鏈接大部分都放在同一個布局標簽內或者其上下文內。根據目錄型網頁的特征以及網絡蜘蛛技術提出一

2、種基于語義塊的主題鏈接提取算法，此算法可以確定主題相關鏈接塊并將主題塊中的鏈接提取出來。通過實驗表明此算法可以減少與主題無關的鏈接被提取。在主題信息抽取階段，網頁通常由若干個內容塊構成，這些內容塊通常是由HTML容器標簽分割而成的，進行網頁布局的標簽有

和
。通過對多數網頁的網頁正文標題和網頁正文的布局的觀察與分析，得出網頁正文標題與網頁正文標題之間的布局可以分為三種情況，但不管網頁正文標題與網頁正文的布局如何，主題

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論

           





<style id="ahm95"></style>
<rp id="ahm95"></rp>