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(biāo)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(biāo)簽分割而成的，進(jìn)行網(wǎng)頁布局的標(biāo)簽有
和。通過對多數(shù)網(wǎng)頁的網(wǎng)頁正文標(biāo)題和網(wǎng)頁正文的布局的觀察與分析，得出網(wǎng)頁正文標(biāo)題與網(wǎng)頁正文標(biāo)題之間的布局可以分為三種情況，但不管網(wǎng)頁正文標(biāo)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(yù)覽，若沒有圖紙預(yù)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(hù)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(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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。
/ 58
- 0
- 分享
復(fù)制分享文檔地址
http://www.croleymarine.com/shtml/view-1121846.html
復(fù)制
-
下載本文檔
評論
0/150
提交評論