一种基于信息熵的web信息提取的方法研究  

作　　者：张云雷[1] 

机构地区：[1]海口经济学院

出　　处：《科技资讯》2012年第22期12-12,14,共2页Science & Technology Information

基　　金：海口经济学院校级项目(Hjks11-10)资助

摘　　要：web页的噪声数据影响了文本提取算法的效率。提出了基于信息熵和DOM树的提取web正文信息的方法,利用文档对象模型技术提取网页包含的内容,将得到的信息融合成信息列表,再利用熵原理从信息列表中识别出网站的真正重复信息和正文信息。实验结果验证了方法的有效性。

关 键 词：WEB内容挖掘 信息提取 DOM 

分 类 号：TP39[自动化与计算机技术—计算机应用技术]