论文研究 一种基于结构分析的网页主题区域发现方法.pdf

随着互联网的发展，Web数据挖掘在帮助人们获取主题信息方面越来越具有重要意义。本研究基于树结构，将Web网页解析为标签树；在树匹配算法的基础上，提出了数据区域挖掘和语义链接块识别算法，实现了去链接的预处理；提出了文本结构权重的概念，并采用文本结构权重的计算结果发现主题区域，去噪后获得主题信息。实验表明该研究结果对新闻、博客类网页具有很好的识别效果。