sewm20xx中文網(wǎng)頁分類評(píng)測參賽系統(tǒng)說明-文庫吧資料
2024-10-07 20:07本頁面
【正文】 認(rèn)為進(jìn)行四次迭代后網(wǎng)頁“去噪”效果最好）。主要是根據(jù) table表格中包含的文字?jǐn)?shù)目和表格中的一些特殊字符進(jìn)行比較，按照一定規(guī)則將一部分 table內(nèi)容去除掉。 抽取網(wǎng)頁主要內(nèi)容及權(quán)值： 標(biāo)題（ title） 權(quán)值為 8 正文 （ content） 權(quán)值為 6 URL錨文本 權(quán)值為 3 信息管理系 網(wǎng)頁進(jìn)化算法（對(duì)于正文） ? 對(duì)網(wǎng)頁結(jié)構(gòu)進(jìn)行分析，認(rèn)為網(wǎng)頁內(nèi)容塊無論形式如何，必定是存放在某一個(gè)表格中，對(duì)于不在表格中的部分，將其看作一個(gè)表格，便于處理。在評(píng)測指標(biāo)達(dá)到最優(yōu)以后，也就確立了分類器。SEWM2020中文網(wǎng)頁分類評(píng)測參賽系統(tǒng)說明 北京大學(xué)信息管理系 小組成員：王建冬 田飛佳 信息管理系 內(nèi)
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1