基于分塊的主題信息抽取研究與應(yīng)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(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)

文檔簡介

1、目前公安信息網(wǎng)和刑偵網(wǎng)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(wǎng)和刑偵網(wǎng)頁的特點，提出了主題下主題鏈接提取方法和網(wǎng)頁信息抽取方法，并將提出的方法應(yīng)用到大連市公安局網(wǎng)頁信息抽取系統(tǒng)中。
　　 本文通過對目錄型網(wǎng)頁結(jié)構(gòu)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(nèi)或者其上下文內(nèi)。根據(jù)目錄型網(wǎng)頁的特征以及網(wǎng)絡(luò)蜘蛛技術(shù)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(guān)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(guān)的鏈接被提取。在主題信息抽取階段，網(wǎng)頁通常由若干個內(nèi)容塊構(gòu)成，這些內(nèi)容塊通常是由HTML容器標簽分割而成的，進行網(wǎng)頁布局的標簽有

和
。通過對多數(shù)網(wǎng)頁的網(wǎng)頁正文標題和網(wǎng)頁正文的布局的觀察與分析，得出網(wǎng)頁正文標題與網(wǎng)頁正文標題之間的布局可以分為三種情況，但不管網(wǎng)頁正文標題與網(wǎng)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(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)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(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)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

  1.            





    <i id="xllua"></i>