一种通过筛选和位置感知精准提取资讯类网页标题的方法

摘要

文章提出了一种通过筛选和位置感知精准提取资讯类网页标题的方法。这种方法包括获得备选标题列表,数据预处理,根据文本的位置筛选,根据文本中的标点筛选,根据位置感知来提取标题。采用从一个资讯类网页的备选标题列表中去除链接文本的exceptLinkText算法和用于感知备选标题列表中真正标题的下标的obPosition算法。实验结果表明,本文提出的精准提取资讯类网页标题的方法对实验数据样本的准确度为100%,比经典的相似度计算方法高出9%,比经典的TF-IDF方法的准确度高出17%。