网页新闻抓取(《计算机应用研究》优先出版»2022年第39卷)

　　网页新闻抓取(《计算机应用研究》优先出版»2022年第39卷)

　　《计算机应用研究》优先刊 »2022 年第 39 卷 » 第 4 期 »

　　NEMTF：基于多维文本特征的新闻网页内容提取方法 NEMTF：基于多维文本特征的新闻网页内容提取方法

　　

　　免费全文下载（已下载...次）

　　获取完整的 PDF

　　作者

　　翁斌岳、秦永斌、黄瑞章、任丽娜、田岳林

　　机制

　　贵州大学计算机科学与技术学院；贵州省公共大数据重点实验室；贵州轻工业职业技术学院

　　统计数据

　　摘要已浏览...次，已下载...次

　　概括

　　目前主流的网页提取方法存在两大问题：提取的信息类型单一，难以获取各类新闻信息；并且它依赖于 HTML 标签，很难扩展到不同的来源。为此，提出了一种基于多维文本特征的新闻网页信息提取方法，利用新闻文本的书写特征对书写特征、语义特征和位置特征进行分类，并通过一个多通道卷积神经网络，用于提取各类新闻网络信息；从新来源中提取新闻网络信息只需要少量的数据集训练。

　　关键词

　　网页信息提取；卷积神经网络；网络挖掘；文字特征

　　基金项目

　　国家自然科学基金联合基金重点项目（U1836205)

　　国家自然科学基金重大研究项目资助项目(91746116)

　　国家自然科学基金项目(62066007, 62066008)

　　贵州省科技重大专项资助项目（千科河重大专项[2017]3002)

　　贵州省科技基金重点资助项目（何千科基金[2020]1Z055)

　　这篇文章的网址

　　收到的日期

　　修订日期

　　页码

　　——

　　中国图书馆分类号

　　TP391.1

　　文件标记代码