基于DOM模型的網(wǎng)頁凈化系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf

1、隨著Internet技術(shù)的飛速發(fā)展,互聯(lián)網(wǎng)上的信息成幾何級(jí)數(shù)地增長(zhǎng)。網(wǎng)絡(luò)給人們提供了大量信息的同時(shí),也給人們快速準(zhǔn)確的獲取信息帶來了挑戰(zhàn)。為了能有效地利用網(wǎng)頁資源,就需要對(duì)這些資源進(jìn)行預(yù)處理。預(yù)處理關(guān)鍵的問題之一是去除掉網(wǎng)頁中的噪音數(shù)據(jù),即把與網(wǎng)頁內(nèi)容無關(guān)的廣告、導(dǎo)航條以及版權(quán)等信息盡量去除,以得到所需要的網(wǎng)頁主題信息,也即網(wǎng)頁凈化。
　　 本文首先介紹了網(wǎng)頁凈化的方法和技術(shù)。其中網(wǎng)頁凈化的方法包括基于網(wǎng)頁結(jié)構(gòu)的方法、基于模版的

2、方法和基于可視化信息的方法等。網(wǎng)頁凈化的技術(shù)則主要有三個(gè)方面:信息提取、網(wǎng)頁分塊和網(wǎng)頁適應(yīng)。
　　 接著,本文介紹了可擴(kuò)展超文本標(biāo)記語言和文檔對(duì)象模型的概念及其結(jié)構(gòu)。在此基礎(chǔ)上,本文提出了一種基于網(wǎng)頁布局的文檔對(duì)象模型(WLB_DOM模型),該模型的建立包括預(yù)處理、標(biāo)簽過濾和模型建立等過程,文中詳細(xì)介紹了該模型的結(jié)構(gòu)和構(gòu)建方法。
　　 然后,本文提出了一種基于WLB_DOM模型的網(wǎng)頁凈化算法,這是一種基于網(wǎng)頁結(jié)構(gòu)的方法和