大多数资讯类网页都包含了与资讯正文无关的内容，如推荐、广告等，这些噪声对获取资讯正文具有较大干扰性。针对基于文本及符号密度的网页正文提取方法(TSD)没有考虑段落标签对提取效果的影响部分进行改进，提出基于文本及HTML标签密度的网页正文提取方法(TTD),通过对页面文本内容和标签的统计分析，可以快速提取正文内容，适用于常见的资讯网站，具有较强的通用性。实验表明，该方法的提取效果较当前常用的方法在准确度上有较大提升，具有较高的实用性。
科研之友
微信
新浪微博
Facebook
分享链接
